融合情境信息的个性化推荐方法研究

发布时间：2021-04-10 02:04

　　随着移动互联网、无线传感等技术的快速发展以及智能终端设备的广泛普及,数据正以难以置信的速度飞速增长。对广大用户而言,面临如何才能从海量数据中找到自己真正感兴趣的信息的问题。个性化推荐系统是截至目前解决上述信息过载问题的最行之有效的手段。个性化推荐系统借助于用户的历史数据来预测用户的偏好,从而主动为用户推荐满足他们个体偏好的信息。传统的个性化推荐技术忽略了用户所处情境信息对推荐结果的影响,而在现实生活中,用户所处情境（如时间、地点等信息）对用户的选择行为有非常大的影响,如用户一般都不会选择在冬天去购买体恤衫,用户也通常会选择附近的餐馆就餐。显然,融合额外的情境信息能够极大地提高个性化推荐的准确度。本文对融合情境信息的个性化推荐方法进行了较为深入地研究,主要研究成果如下:（1）提出了一种基于概率矩阵分解的时间敏感个性化推荐方法。该方法首先定义并构建了一个用户-情境矩阵;然后,通过挖掘用户-情境矩阵中用户间隐含的关系,提出了一个新的基于用户-情境矩阵的时间依赖性用户相似性度量方法;在此基础上,构建了一个基于情境感知的用户相似矩阵;最后,将基于情境感知的用户相似矩阵融合到概率矩阵分解模型中。实... 

【文章来源】：天津理工大学天津市

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

基于用户的协同过滤推荐②搜索最近邻集合

图 2-2 基于物品的协同过滤推荐境感知推荐相关理论境感知推荐就是在推荐的过程中融合情境信息，这些情境信息包括用户所处的点、用户的心情、天气状况等。这些情境信息会影响用户的选择，从而影响推性能，所以充分挖掘并有效利用情境信息将会极大的提高推荐系统的整体性

图 2-2 基于物品的协同过滤推荐荐相关理论就是在推荐的过程中融合情境信息，这些情境信息包心情、天气状况等。这些情境信息会影响用户的选择充分挖掘并有效利用情境信息将会极大的提高推荐系


本文编号：3128735