基于隐式反馈异构数据的社会化推荐模型研究

发布时间：2021-11-11 21:43

　　近年来,随着基于位置的社交网络（Location-based social network,LBSN）的不断发展,各类社交平台上的数据量级不断攀升,图片数据作为新的数据类型不仅隐含了兴趣点（Point-of-Interest,POI）本身的特性,同时也包含了用户对于POI的关联偏好信息。而随着计算机视觉技术的发展,高阶视觉特征的提取与应用在诸多领域也取得了良好的效果。在假设社交网络中图片的视觉特征与其他异构特征的整合利用可以达到提升推荐系统精度的情况下,本文提出一个整合视觉地理等异构特征的优化推荐模型,结合视觉与其他异构特征,从而验证视觉特征在推荐系统中可发挥的作用。在LBSN的场景下,POI本身的地理特性、社交特征也值得挖掘与研究,而一般情况下,研究者往往针对用户层面的社交属性而忽略了POI层面的社交属性。本文通过优化POI数据的地理模型,基于通过隐式反馈用户交互信息、属性信息等数据,挖掘了两类POI层面的社交属性,融合进最终推荐模型,最后设计了大量实验来验证所提出的算法模型。本文的主要工作和贡献如下:1)本文提出了针对POI的视觉特征以及其他异构特征的融合挖掘。针对社交网络中的图片... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

技术路线图

用户相似度计算示例

面包旅行数据集上地理模型VCG/USG对比（上精度，下召回）

【参考文献】：
期刊论文
[1]社会化推荐研究综述[J]. 王刚,蒋军,王含茹.  计算机科学. 2018(S2)
[2]基于信息增益的LDA模型的短文本分类[J]. 沈竞.  重庆文理学院学报(自然科学版). 2011(06)
[3]基于信息增益的特征词权重调整算法研究[J]. 张玉芳,陈小莉,熊忠阳.  计算机工程与应用. 2007(35)

博士论文
[1]基于社会媒体的旅游数据挖掘与个性化推荐[D]. 沈钧戈.西安电子科技大学 2016

硕士论文
[1]数据挖掘在用户行为分析中的研究与应用[D]. 李大伟.北京邮电大学 2009



本文编号：3489580