基于多目标演化的个性化推荐算法研究

发布时间：2023-06-01 03:10

　　随着信息网络技术的飞速发展,电子商务系统深入到了生活的方方面面。人们通过多种网上销售平台,足不出户便能完成商品的购物和交易,节省了大量的采购时间。然而规模不断扩大的电子商务系统也给人们带来了一些困扰,比如面对海量的商品信息,用户需要花费大量的时间和精力才能发现感兴趣的部分。作为一种基于信息采集和知识发现技术,推荐系统被越来越多地运用到了电子商务系统中。需要注意的是,随着人们需求越来越多样,仅仅追求推荐的准确度是远远不够的。为了满足用户的个性化需求,在传统推荐技术的基础上,往往需要加入其他一些性能指标,比如多样性和新颖度等。在实践环节中发现准确度、多样性和新颖度之间的冲突关系,因此很难使得这三个目标同时达到最优。如何获得在上述指标上表现都不错的推荐方案成为当前急待解决的一个难题。在解决实际问题中,我们经常会需要综合考虑多方面因素来确定方案的可行性,这就是所谓的多目标优化问题,即在各个目标存在冲突的情况下获得一组各个目标值所折中的解集。基于当前个性化推荐系统的目标之间的冲突关系,有学者提出将个性化推荐问题转换为多目标优化问题,同时优化多个推荐指标。目前主流的基于多目标优化的个性化推荐算法主...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状及发展动态
        1.2.1 传统的个性化推荐方法
        1.2.2 基于多目标演化的个性化推荐方法
        1.2.3 个性化推荐问题求解方法的发展动态
    1.3 本文研究内容及组织结构
        1.3.1 本文研究内容
        1.3.2 组织结构安排
第二章 个性化推荐的相关理论与算法
    2.1 个性化推荐问题概述
    2.2 个性化推荐问题的相关算法
        2.2.1 基于内容的推荐算法
        2.2.2 基于协同过滤的推荐算法
        2.2.3 基于二分网络结构的推荐算法
        2.2.4 基于多目标演化的推荐算法
    2.3 测试函数与测试集
        2.3.1 测试函数
        2.3.2 测试集
    2.4 本章小结
第三章 基于MOEA-ProbS的改进个性化推荐算法
    3.1 引言
    3.2 推荐问题与多目标优化问题的定义
        3.2.1 推荐问题的定义
        3.2.2 多目标优化的定义
    3.3 基于多目标与物质扩散的个性化推荐算法MOEA-PGMA
        3.3.1 NSGA-II算法简介
        3.3.2 三目标个性化推荐模型的设计
        3.3.3 个体编码和基于多目标的自适应变异方法MOAM
    3.4 算法流程与伪代码
    3.5 实验结果与分析
    3.6 本章小结
第四章 基于多线程并发的多目标个性化推荐算法研究
    4.1 引言
    4.2 多线程并发计算的原理
        4.2.1 线程池的建立与管理
        4.2.2 线程池实现机制
        4.2.3 任务的描述与执行
    4.3 基于多线程并发的多目标个性化推荐算法MOEA-PGMA-MC
        4.3.1 算法的并发思路
        4.3.2 算法流程与代码
    4.4 实验结果与分析
    4.5 本章小结
第五章 主要结论与展望
    主要结论
    展望
致谢
参考文献
附录:作者在攻读硕士学位期间发表的论文



本文编号：3826535