基于信任关系推导和用户反馈的推荐系统研究

发布时间：2017-05-23 21:09

  本文关键词：基于信任关系推导和用户反馈的推荐系统研究，由笔耕文化传播整理发布。

【摘要】：随着互联网技术的快速发展,诞生了很多基于用户关系的社会化媒体。快速爆发的互联网信息和日益加快的生活节奏使得快速地过滤冗余信息,捕获用户的兴趣成为了很多社会化媒体的一项核心诉求。推荐系统能够有效的利用诸如用户反馈,用户关系,物品内容等多种信息分析用户的偏好,并根据用户喜好过滤信息,从而帮助用户快速获取有效的信息。基本的只基于用户反馈的推荐系统,无论是多类别推荐还是单类别推荐都受反馈过于稀疏的影响而导致效果不佳。很多研究者通过引入信任关系来提高推荐效果,这类基于信任的推荐方法虽然取得了一定的效果,但是仍然存在着诸如如何解决用户关系过于稀疏,如何高效地利用信任关系分别处理多类别推荐和单类别推荐等问题。针对这些问题,本文提出一种首先基于已有的信任关系推导填充原有的信任关系,之后利用新的更完整的信任关系进行推荐的方法。本文的主要工作如下：1.提出了一个基于信任关系推导和用户反馈的推荐系统框架。该框架能够将信任关系推导和用户反馈推理这两项技术有机结合,并有效的解决了用户关系稀疏性,用户反馈稀疏性所带来的种种问题,能够区别处理多类别反馈和单类别反馈推荐。2.提出了一种将非负约束和相似性与已有方法结合的信任推导方法。该技术利用非负约束和相似性扩展了已有的多维信任推测模型,并最终以回归分析将多种模型组合为一个整体。3.提出了一种基于矩阵分解和社交正则化的基于信任的多类别推荐模型。该模型能够首先基于已知的信任关系推测几种未知的信任关系,并将已知和推测的信任通过遗传算法进行合并,利用PMF算法框架辅以同质效应整合起来生成模型。4.提出了一种基于矩阵分解和社交正则化的基于信任的单类别推荐模型。该模型能够基于已知的信任关系推测几种未知的信任关系,并将已知和推测的信任利用NMF算法框架整合起来以便更好地推荐。
【关键词】：社会化媒体 信任推导 推荐系统
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-6
• Abstract6-13
• 第一章 绪论13-17
• 1.1 研究背景13-14
• 1.2 论文结构14-17
• 第二章 相关工作17-23
• 2.1 信任关系推理17-18
• 2.1.1 基于传播特性的信任推荐17-18
• 2.1.2 基于多维特性的信任推荐18
• 2.1.3 基于相似特性的信任推荐18
• 2.2 基本的推荐系统18-20
• 2.2.1 多类别推荐系统19
• 2.2.2 单类别推荐系统19-20
• 2.3 基于信任关系的推荐系统20-21
• 2.4 矩阵分解算法21-22
• 2.5 本章小结22-23
• 第三章 基于信任关系推导和用户反馈的推荐系统框架23-27
• 3.1 框架原理23-24
• 3.2 推荐框架24-26
• 3.2.1 信任关系推导模块25
• 3.2.2 多类别推荐模块25-26
• 3.2.3 单类别推荐模块26
• 3.3 本章小结26-27
• 第四章 基于相似性和非负约束的信任推导模型27-39
• 4.1 用户信任推理模型28-34
• 4.1.1 符号及定义28-29
• 4.1.2 加入非负约束29-31
• 4.1.3 利用相似性计算扩展邻居模型31-32
• 4.1.4 利用Logistic方法整合32-34
• 4.2 实验评估与分析34-37
• 4.2.1 数据集描述34
• 4.2.2 评估方法34
• 4.2.3 实验结果34-37
• 4.3 本章小结37-39
• 第五章 基于用户信任关系推导的多类别推荐模型39-51
• 5.1 多类别反馈推理模型40-43
• 5.1.1 符号及定义40-41
• 5.1.2 模型公式41-43
• 5.2 模型求解算法43-46
• 5.2.1 学习权重W43-45
• 5.2.2 矩阵U和V的更新45-46
• 5.3 实验评估与分析46-50
• 5.3.1 实验设置46-48
• 5.3.2 实验结果48-50
• 5.4 本章小结50-51
• 第六章 基于用户信任关系推导的单类别推荐模型51-67
• 6.1 单类别反馈推理模型52-54
• 6.1.1 符号及定义52-53
• 6.1.2 模型公式53-54
• 6.2 模型求解算法54-61
• 6.2.1 模型算法54-57
• 6.2.2 算法分析57-61
• 6.3 实验评估与分析61-66
• 6.3.1 实验设置61-64
• 6.3.2 实验结果64-66
• 6.4 本章小结66-67
• 第七章 总结与展望67-69
• 7.1 工作总结67-68
• 7.2 研究展望68-69
• 参考文献69-74
• 简历与科研成果74-75
• 致谢75-76

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年

2 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

3 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

4 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

5 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

6 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

7 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

8 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

9 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年

10 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

  本文关键词：基于信任关系推导和用户反馈的推荐系统研究，由笔耕文化传播整理发布。

，

本文编号：389127