基于优化标签特征的出版资源推荐算法研究

发布时间：2021-10-26 13:03

　　对于具有大量资源的出版行业来说,个性化推荐是解决信息超载的一个有效方法。在推荐算法中,矩阵分解算法取得了很好的推荐效果,但是也存在一些问题。本文以矩阵分解算法为基础,利用标签特征分析用户和资源的影响关系并将关系融入到矩阵分解算法中,对传统推荐算法存在的矩阵稀疏、用户资源特征挖掘不准确、冷启动、推荐效率随资源增加而下降等问题进行研究。本文的主要研究工作如下:（1）用户和资源特征提取方法改进。本文主要基于标签特征对用户和资源进行特征提取。通过收集用户行为信息可以发现用户与资源之间的联系,根据资源本身具有的规范化标签可以获得资源与标签的关系,但是这两种关系矩阵都有明显的稀疏问题。为了挖掘标签对于用户和资源的重要性,本文通过迭代的方法对标签特征矩阵进行重要性加权,从而提取出更准确的用户和资源特征矩阵。最后利用PCA降维技术对关系矩阵进行降维以缓解数据稀疏问题。（2）概率矩阵分解算法改进。针对传统概率矩阵分解算法中忽略用户和资源影响关系的问题,本文利用用户和资源特征矩阵寻找用户和资源的近邻,然后将用户和资源的相似邻居关系融入到概率矩阵分解算法中。实验表明改进后的算法提高了推荐准确率。（3）冷启动... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 传统推荐算法
        1.2.2 基于标签的推荐算法
    1.3 论文主要工作
    1.4 论文的组织结构
第2章 用户与资源特征提取方法
    2.1 规范化标签定义
    2.2 现有特征提取方法存在的问题
    2.3 用户和资源的特征表示
        2.3.1 用户特征表示
        2.3.2 资源特征表示
    2.4 基于优化标签特征的特征提取方法
        2.4.1 标签特征矩阵重要性加权
        2.4.2 数据降维
    2.5 本章小结
第3章 基于标签特征的出版资源推荐算法
    3.1 概率矩阵分解思想
    3.2 推荐算法设计
        3.2.1 相似邻居计算
        3.2.2 近邻加权的矩阵分解算法
        3.2.3 推荐流程描述
    3.3 实验设计
        3.3.1 实验环境与实验数据
        3.3.2 实验对比算法
        3.3.3 实验评价指标
    3.4 实验结果及分析
        3.4.1 矩阵降维对比实验
        3.4.2 概率矩阵分解算法调参及对比实验
    3.5 本章小结
第4章 冷启动问题与交互式推荐框架
    4.1 冷启动问题研究
        4.1.1 冷启动问题
        4.1.2 解决方案
    4.2 交互式推荐框架
        4.2.1 交互式框架
        4.2.2 资源推荐过程
    4.3 实验结果分析
        4.3.1 冷启动实验
        4.3.2 交互式推荐实验
    4.4 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 工作展望
致谢
参考文献
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]融合用户社会地位和矩阵分解的推荐算法[J]. 余永红,高阳,王皓,孙栓柱.  计算机研究与发展. 2018(01)
[2]推荐系统冷启动问题解决策略研究[J]. 乔雨,李玲娟.  计算机技术与发展. 2018(02)
[3]时间上下文的协同过滤Top-N推荐算法[J]. 刘云,王颖,亓国涛,包智妍.  计算机技术与发展. 2017(07)
[4]中国国民阅读调查:人均每年读书7.86本[J].   新闻知识. 2017(04)
[5]基于内容和兴趣漂移模型的电影推荐算法研究[J]. 吕学强,王腾,李雪伟,董志安.  计算机应用研究. 2018(03)
[6]一种改进的top-N协同过滤推荐算法[J]. 肖文强,姚世军,吴善明.  计算机应用研究. 2018(01)
[7]社交网络环境下基于信任的推荐算法[J]. 陈婷,朱青,周梦溪,王珊.  软件学报. 2017(03)
[8]大数据时代电子商务个性化推荐服务研究[J]. 杜念欣.  中国管理信息化. 2016(10)
[9]基于关联规则的商品智能推荐算法[J]. 张勇杰,杨鹏飞,段群,韩丽娜.  现代计算机(专业版). 2016(10)
[10]融合社交网络信息的协同过滤推荐算法[J]. 郭兰杰,梁吉业,赵兴旺.  模式识别与人工智能. 2016(03)

硕士论文
[1]推荐系统用户相似度计算方法研究[D]. 朱文奇.重庆大学 2014
[2]基于关联规则的推荐算法研究与应用[D]. 邓先箴.华东师范大学 2010



本文编号：3459552