当前位置:主页 > 科技论文 > 软件论文 >

基于标签的专家信息推荐系统的研究

发布时间:2021-12-23 07:14
  随着大数据应用技术的发展,推荐系统有着广泛越来越广发的应用。豆瓣网上的推荐系统会推荐符合用户口味的书籍、电影;音乐应用上会为客户推荐最近听过的类似音乐。实现智能推荐系统最为核心的内容便是推荐算法。目前推荐算法多是基于协同过滤或基于内容方面,而在某些实际应用当中需要使用到标签数据。标签数据就是用户对内容的标注。通过处理标签数据的推荐算法在通常的推荐系统中运用还不多,但在一些专门的推荐系统中具有一定的优势。为了解决现有的基于标签推荐的算法在实际应用中存在的问题,本文在以下几个方面进行研究:首先,针对现有基于标签的推荐算法在数据集建模方面存在的问题,构建了一种无向加权图模型。在模型中,顶点表示数据对象,边则表示数据对象之间的行为,顶点属性表示数据对象的特征。基于此模型,本文提出了 VertexRank算法。接着,针对该图模型仅仅记录了数据对象间打标签的行为这一问题,提出了记录数据对象间标签出现次数的模型。基于此模型设计推荐算法TagBasedRank。将两种模型得出的推荐列表进行加权组合,提出CombinationRank综合推荐算法。接着,由于上述的推荐算法处理的数据均是数据对象行为数据,... 

【文章来源】:安徽理工大学安徽省

【文章页数】:67 页

【学位级别】:硕士

【部分图文】:

基于标签的专家信息推荐系统的研究


图2-1大型应用的基本架构??Fiure?2-1?Basic?architecture?of?a?lare?alication??

架构图,推荐系统,架构,推荐算法


?统的任务只是将推荐引擎的结果按照一定权重或者优先级合并、排序然后??返回如下图2-4所示。??immm??—辱鱗論一-J????图2-4推荐系统的架构图??Figure?2-4?Architecture?of?the?recommended?system??对于每一个推荐任务,都由推荐引擎来实现,而推荐引擎的核心正是??各种满足推荐任务的推荐算法,下面的小节将会介绍。从各种推荐算法中??我们还能得到该推荐算法的推荐原因,即推荐解释。??2.2推荐算法??2.2.1协同过滤推荐技术??当我们想了解商品、影片等推荐信息,我们可以向朋友们咨询。通过??朋友的推荐我们可以获得推荐信息,同时我们也可以了解朋友的偏好与自??己的偏好是否一致。不过随着新信息越来越多,要想通过询问一小群人来??确定我们想要的东西,将会变得越来越不切实际,因为朋友们也不了解所??(’”?数据集一?’)??*J?、'???—一

协同过滤,技术,推荐算法,推荐引擎


?统的任务只是将推荐引擎的结果按照一定权重或者优先级合并、排序然后??返回如下图2-4所示。??immm??—辱鱗論一-J????图2-4推荐系统的架构图??Figure?2-4?Architecture?of?the?recommended?system??对于每一个推荐任务,都由推荐引擎来实现,而推荐引擎的核心正是??各种满足推荐任务的推荐算法,下面的小节将会介绍。从各种推荐算法中??我们还能得到该推荐算法的推荐原因,即推荐解释。??2.2推荐算法??2.2.1协同过滤推荐技术??当我们想了解商品、影片等推荐信息,我们可以向朋友们咨询。通过??朋友的推荐我们可以获得推荐信息,同时我们也可以了解朋友的偏好与自??己的偏好是否一致。不过随着新信息越来越多,要想通过询问一小群人来??确定我们想要的东西,将会变得越来越不切实际,因为朋友们也不了解所??(’”?数据集一?’)??*J?、'???—一

【参考文献】:
期刊论文
[1]协同过滤技术在电影推荐中的应用[J]. 陈俊然.  电脑编程技巧与维护. 2019(01)
[2]针对新用户冷启动问题的改进Epsilon-greedy算法[J]. 王素琴,张洋,蒋浩,朱登明.  计算机工程. 2018(11)
[3]混合协同过滤算法中用户冷启动问题的研究[J]. 端德坤,傅秀芬.  计算机工程与应用. 2017(21)
[4]模式识别中的图结构描述方法综述[J]. 任鹏.  安徽大学学报(自然科学版). 2017(01)
[5]基于用户-标签-项目语义挖掘的个性化音乐推荐[J]. 李瑞敏,林鸿飞,闫俊.  计算机研究与发展. 2014(10)
[6]概率图模型学习技术研究进展[J]. 刘建伟,黎海恩,罗雄麟.  自动化学报. 2014(06)
[7]相似系统的分析与度量[J]. 周美立,王浣尘.  系统工程. 1996(04)

博士论文
[1]社会标签推荐技术与方法研究[D]. 靳延安.华中科技大学 2011
[2]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005

硕士论文
[1]协同过滤推荐系统中的数据稀疏性及冷启动问题研究[D]. 李晓菊.华东师范大学 2018



本文编号:3548038

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3548038.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c31a8***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com