基于情境感知和项目特征的个性化图书推荐系统设计与实现
发布时间：2022-02-09 19:28
随着互联网信息的增长,图书的种类和数量进一步增多,用户获取读物的方式相较于传统检索和搜索方法更加倾向于使用推荐系统。目前图书推荐系统普遍存在一些问题,如当用户数据较少时推荐方法很难见效;推荐系统根据用户阅读记录等静态数据进行图书推荐,而没有考虑用户的动态偏好等等。基于上述缺点,本文设计并实现了一款图书推荐系统,主要研究内容包括以下四点:（1）针对现有的图书推荐系统在主题建模时考虑因素比较单一、没有动态捕捉用户偏好随时间变化的问题,提出了一种融合时间和项目特征的主题模型TCA-LDA。基于该模型的推荐算法将用户的阅读偏好解释为主题偏好和时间偏好,两者共同决定了用户在某一时刻会选择某本书。用户的主题偏好来源于多种图书特征信息,例如标签、作者和出版社,而非单纯来源于某一特征,可以挖掘用户对图书不同方面的特定偏好。实验表明,推荐效果在召回率和nDCG上要优于现有主题建模方法。（2）针对新用户阅读记录较少,从而导致的主题建模数据不足问题,提出了基于标签的张量分解推荐算法RSVD。该算法使用用户-图书-标签构成的三阶张量,考虑了不同标签间的权重关系,特殊标签对图书的影响要大于一般标签。实验表明,该...
【文章来源】：北京邮电大学北京市211工程院校教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图２－１用户评分－评论记录??从图２－１可以看出，用户对图书的评分由原有的二元关系扩展为用户－图书－??时间－文本四元关系
２１６０６?２２５ｉＳ５？?１Ｄ０４９５６?２００９－０Ｓ－１８每一个■香蓉逼人、活发可爱Ｓ３年轻女孩篆县兩璆罗，露？Ｐ，故忍，ｇ？??２１６０？?２２３７９１７?１００４９５６?２００９－１ＣＭ１入ｔＳ闺有ＳＷＳｆｅＫ女孩，Ｓ星我５读书以及ＪＳＦ多书＿打的疑吼??图２－１用户评分－评论记录??从图２－１可以看出，用户对图书的评分由原有的二元关系扩展为用户－图书－??时间－文本四元关系。为了去除只有评分或者只有评论的用户，在爬取的过程中??确保每个用户都能保证四元关系。另外，还对图书的标题、作者、出版社等信息??进行了爬取，如图２－２所示。由于图书的标签和作者可能有多个，数据使用了分??表存储，如图２－３所示：??ｉｄ?ｔｉｔｌｅ?ｐｕｂｌｉｓｈｅｒ?ｐｕｂｄａｔｅ??？Ｅ３?：公経经?ｉｉｉＡＸ字亡銳?２００４－０３??１０ＳＫＳ０７６４?３￣ｍＡｒ＾Ｅ７?上考匕会？￥字篪＝钣？Ｉ?２０１２－４??１〇３〇１２１?ｓ．＝ｂ?ｆｍｍｍｔ?２００４－０３??１０００１３４?三毛ＳＳｉＢ全異少年几重２００１－８－１??１０ＣＯ１３９?苏４ｆｃＡ在上Ｓ，?１８５?上海Ｈ籍ａＳｆｔ?２ＣＭＭ－０３??图２－２图书详细信息??ｉｄ?ｂｏｏｋ?ｉｄ?ｔａｇ?ｎａｍｅ?Ｗ?ｂｏｏｋｊｄ?ａｕｔｈｏｒ??？；＇?’：二＿?２６９３４３０８?
１００?１２５?１５０?１７５??图２－４用户评论次数在出版社上的统计??同样地，本文统计了作者对于用户偏好的影响。从图２－５可以看出，用户１??的偏好比较平均，但是仍有若干个喜好的作者的概率大于其他作者的概率。用户??２的偏好则比较明显，大多针对某一作者的书籍进行阅读，同样表明了?ＴＣＡ－ＬＤＡ??模型认为用户的阅读偏好往往集中在某些作者上这一假设的合理性。??３０?：?Ａｕｔｈｏｒ????３５?Ａｕｔｈｏｒ??２５丨?丨?３０??２０１?２５??１５?丨?２０??１０：?１５??１０??〇?！?４?臭＊?ｔ?＾?ｕ?？?ｉｌ?ｔ．？?ｋ?ｉｔ?ｉ?ｍ?？??￣０?５０?１００?１５０?２００￣￣?０?＂?５０?＂?ＴＯＯ?１５０?２００?ＹｓＯ??图２－５用户评论次数在作者上的统计??２．３．４模型符号定义??定义１图书。一本图书包含三个维度的属性：标签，出版社，作者。本文使??用字母ｂ标识一本图书，Ｗｂ代表一本图书的标签，Ｐｂ代表一本书的出版社，Ａｂ??代表一本图书的作者。注意一本图书可能由多个作者联合完成，并且可能含有多??个标签。用（ｂ，Ｗ，?Ｐ，Ａ）代表图书的联合项目特征，它的含义是图书ｂ包含标??签Ｗ，出版社Ｐ，作者Ａ等信息。??定义２用户评论。用户在浏览图书的时候会为图书做出相应的评论
【参考文献】：
期刊论文
[1]国内外情景感知服务研究综述[J]. 袁静. 国家图书馆学刊. 2018(03)
[2]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)
[3]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛. 电子科技大学学报. 2012(02)
[4]Open Bookmark——基于Agent的信息过滤系统[J]. 冯翱,刘斌,卢增祥,路海明,王普,李衍达. 清华大学学报(自然科学版). 2001(03)
本文编号：3617529
【文章来源】：北京邮电大学北京市211工程院校教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图２－１用户评分－评论记录??从图２－１可以看出，用户对图书的评分由原有的二元关系扩展为用户－图书－??时间－文本四元关系
２１６０６?２２５ｉＳ５？?１Ｄ０４９５６?２００９－０Ｓ－１８每一个■香蓉逼人、活发可爱Ｓ３年轻女孩篆县兩璆罗，露？Ｐ，故忍，ｇ？??２１６０？?２２３７９１７?１００４９５６?２００９－１ＣＭ１入ｔＳ闺有ＳＷＳｆｅＫ女孩，Ｓ星我５读书以及ＪＳＦ多书＿打的疑吼??图２－１用户评分－评论记录??从图２－１可以看出，用户对图书的评分由原有的二元关系扩展为用户－图书－??时间－文本四元关系。为了去除只有评分或者只有评论的用户，在爬取的过程中??确保每个用户都能保证四元关系。另外，还对图书的标题、作者、出版社等信息??进行了爬取，如图２－２所示。由于图书的标签和作者可能有多个，数据使用了分??表存储，如图２－３所示：??ｉｄ?ｔｉｔｌｅ?ｐｕｂｌｉｓｈｅｒ?ｐｕｂｄａｔｅ??？Ｅ３?：公経经?ｉｉｉＡＸ字亡銳?２００４－０３??１０ＳＫＳ０７６４?３￣ｍＡｒ＾Ｅ７?上考匕会？￥字篪＝钣？Ｉ?２０１２－４??１〇３〇１２１?ｓ．＝ｂ?ｆｍｍｍｔ?２００４－０３??１０００１３４?三毛ＳＳｉＢ全異少年几重２００１－８－１??１０ＣＯ１３９?苏４ｆｃＡ在上Ｓ，?１８５?上海Ｈ籍ａＳｆｔ?２ＣＭＭ－０３??图２－２图书详细信息??ｉｄ?ｂｏｏｋ?ｉｄ?ｔａｇ?ｎａｍｅ?Ｗ?ｂｏｏｋｊｄ?ａｕｔｈｏｒ??？；＇?’：二＿?２６９３４３０８?
１００?１２５?１５０?１７５??图２－４用户评论次数在出版社上的统计??同样地，本文统计了作者对于用户偏好的影响。从图２－５可以看出，用户１??的偏好比较平均，但是仍有若干个喜好的作者的概率大于其他作者的概率。用户??２的偏好则比较明显，大多针对某一作者的书籍进行阅读，同样表明了?ＴＣＡ－ＬＤＡ??模型认为用户的阅读偏好往往集中在某些作者上这一假设的合理性。??３０?：?Ａｕｔｈｏｒ????３５?Ａｕｔｈｏｒ??２５丨?丨?３０??２０１?２５??１５?丨?２０??１０：?１５??１０??〇?！?４?臭＊?ｔ?＾?ｕ?？?ｉｌ?ｔ．？?ｋ?ｉｔ?ｉ?ｍ?？??￣０?５０?１００?１５０?２００￣￣?０?＂?５０?＂?ＴＯＯ?１５０?２００?ＹｓＯ??图２－５用户评论次数在作者上的统计??２．３．４模型符号定义??定义１图书。一本图书包含三个维度的属性：标签，出版社，作者。本文使??用字母ｂ标识一本图书，Ｗｂ代表一本图书的标签，Ｐｂ代表一本书的出版社，Ａｂ??代表一本图书的作者。注意一本图书可能由多个作者联合完成，并且可能含有多??个标签。用（ｂ，Ｗ，?Ｐ，Ａ）代表图书的联合项目特征，它的含义是图书ｂ包含标??签Ｗ，出版社Ｐ，作者Ａ等信息。??定义２用户评论。用户在浏览图书的时候会为图书做出相应的评论
【参考文献】：
期刊论文
[1]国内外情景感知服务研究综述[J]. 袁静. 国家图书馆学刊. 2018(03)
[2]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)
[3]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛. 电子科技大学学报. 2012(02)
[4]Open Bookmark——基于Agent的信息过滤系统[J]. 冯翱,刘斌,卢增祥,路海明,王普,李衍达. 清华大学学报(自然科学版). 2001(03)
本文编号：3617529
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3617529.html
