移动环境下基于情境感知的推荐系统研究

发布时间：2022-02-22 23:33

　　信息技术的高速发展使得互联网上的信息呈现爆炸式地增长,同时,这种信息的增长也带来一定的负面问题,例如信息过载问题。如何解决信息过载问题也成为学术界研究的重点和难点。在这样的情形下,推荐算法作为信息过滤的有效手段,可以有效解决用户信息过载问题,因此,该方法也得到了越来越多的研究者的关注。然而,在推荐过程中,大多数的研究关注的是如何给用户做出推荐,却忽略了用户所处的相关情境信息,如时间、地点、是否有人陪同等情境信息。在电子商务个性化、信息检索、便携移动计算、数据挖掘、营销和管理学等领域中,研究者和从业者已经开始意识到情境信息的重要性,情境信息在推荐系统中有一定的影响,是提供推荐方案时的重要参考。由于不同的情境因素对用户产生的影响不同,因此在研究过程中,需要分别计算各个情境因素在推荐过程中所占的比重及权值,在此思路上,本文提出了基于情境感知的个性化推荐算法,并将其与传统的协同过滤推荐算法进行比较,利用相关实验分析该算法的有效性和准确性。根据目前情境感知推荐研究的现状,本文以电影票的推荐为研究对象,将用户观看的时间和地点等属性作为情境感知因素,并计算出所有情境属性的情境权值及该情境属性对所推荐... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景与意义
    1.2 研究内容
    1.3 研究方法
    1.4 研究创新
    1.5 论文结构安排
2 国内外相关研究
    2.1 情境感知的国内外研究现状
        2.1.1 情境感知的早期研究
        2.1.2 情境感知的应用现状
        2.1.3 情境感知概念模型
    2.2 推荐系统国内外研究现状
        2.2.1 推荐系统发展
        2.2.2 移动社交网络推荐
        2.2.3 协同过滤推荐
        2.2.4 协同过滤算法问题描述
        2.2.5 基于链路预测的推荐系统
    2.3 推荐算法的评价
    2.4 本章小结
3 情境感知推荐
    3.1 情境与情境感知
        3.1.1 情境的概念
        3.1.2 情境信息的获取
        3.1.3 情境感知推荐
        3.1.4 情境预过滤
        3.1.5 情境后过滤
    3.2 协同过滤推荐算法分类
        3.2.1 基于用户的协同过滤算法
        3.2.2 基于项目的协同过滤算法
        3.2.3 优缺点对比
    3.3 基于情境感知的协同过滤算法
    3.4 算法性能评价标准
    3.5 本章小结
4 情境感知个性化推荐模型
    4.1 个性化推荐
    4.2 情境建模
        4.2.1 情境建模和情境感知推荐系统
        4.2.2 情境感知系统框架
    4.3 情境感知推荐算法
        4.3.1 在推荐系统中实现情境信息的建模
        4.3.2 结合的情境感知推荐算法
    4.4 动态情境
        4.4.1 动态情境定义
        4.4.2 推荐过程中的动态情境
        4.4.3 动态情境整合
    4.5 基于情境感知的个性化推荐模型
        4.5.1 邻居用户的选择
        4.5.2 预测评分
        4.5.3 情境权值
        4.5.4 情境因素
        4.5.5 推荐结果
    4.6 本章小结
5 仿真实验及分析
    5.1 数据集介绍
        5.1.1 数据收集
        5.1.2 评价指标
        5.1.3 算法流程
    5.2 实验结果分析
        5.2.1 实验过程分析
        5.2.2 实验结果
    5.3 本章小结
6 主要结论及研究展望
    6.1 主要结论
    6.2 后续研究展望
致谢
参考文献
附录 1：获取预测评分部分代码
附录 2：作者在读期间发表的学术论文及参加的科研项目


【参考文献】：
期刊论文
[1]移动环境下基于情境感知的个性化阅读推荐研究[J]. 曾子明,陈贝贝.  情报理论与实践. 2015(12)
[2]情境感知推荐中的上下文宽松匹配方法研究[J]. 曹洪江,傅魁.  计算机应用与软件. 2015(10)
[3]基于情境感知的图书馆学术信息推荐系统构建研究[J]. 黄传慧.  图书馆工作与研究. 2015(10)
[4]基于情境感知的移动电子资源推荐技术研究[J]. 田雪筠.  情报理论与实践. 2015(05)
[5]基于位置的社交网络链接预测特征研究[J]. 王莹,郭宇春.  计算机与现代化. 2015(04)
[6]基于网络链接预测的推荐算法[J]. 华秋云,陈崚.  南京师大学报(自然科学版). 2015(01)
[7]协同过滤推荐技术综述[J]. 冷亚军,陆青,梁昌勇.  模式识别与人工智能. 2014(08)
[8]移动网络环境下情景敏感的个性化信息推荐系统研究[J]. 周朴雄,陶梦莹.  图书情报工作. 2012(19)
[9]一种改进的协同过滤推荐算法[J]. 王茜,王均波.  计算机科学. 2010(06)
[10]情景感知计算[J]. 顾君忠.  华东师范大学学报(自然科学版). 2009(05)

博士论文
[1]面向动态情境的信息推荐方法及系统研究[D]. 胡慕海.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
[3]集成情境知识管理中几个关键技术的研究[D]. 潘旭伟.浙江大学 2005

硕士论文
[1]基于多维情境的情境感知推荐系统开发框架设计与实现[D]. 陈斌.南京大学 2015
[2]基于混合推荐算法的情境感知音乐推荐系统研究与实现[D]. 刘治宇.电子科技大学 2015
[3]基于搜索的协同过滤算法在电影推荐系统中的研究与应用[D]. 植伟良.电子科技大学 2014
[4]基于情境感知的个性化推荐算法的研究[D]. 冯鹏程.东华大学 2014
[5]数据挖掘在电子商务旅游线路推荐系统中的应用研究[D]. 吴春阳.重庆交通大学 2009



本文编号：3640408