基于模糊对象语言概念格的个性化推荐方法

发布时间：2023-03-27 01:18

　　目前的个性化推荐系统主要是针对用户的历史行为来评价用户或项目之间的相似性,为用户推荐相应的项目。该类方法虽然精确性很高,但是缺少探索性,不能在人们认知过程中为用户提供探索性的推荐,还面临着冷启动及推荐解释模糊等问题。因此,本文结合关联规则和形式概念分析,提出了一种基于模糊对象语言概念格的个性化推荐方法。主要研究成果如下:1、形式概念分析已被广泛作为数据处理和知识发现的重要工具。针对经典的形式背景无法处理语言值的问题,提出语言概念形式背景,构建语言概念格。为了进行知识约简,在粒计算的基础上定义语言概念间的多粒度相似性关系,将语言概念集分为三个部分(即核心语言概念,不必要语言概念和相对必要语言概念)。以差别矩阵为基础,体现出模糊对象间的差异,并提出不完备语言概念形式背景的语言概念约简算法,用于解决推荐系统数据稀疏的问题。2、针对语言概念形式背景中信息缺失的问题,提出了一种基于模糊对象之间的贴近度来补全不完备语言概念形式背景的新算法。基于布尔矩阵和布尔因子分析的方法,提出语言概念形式背景的语言概念知识约简算法,通过计算强制性语言概念知识的相似度,以达到提取语言概念知识基,减小语言概念格规模的...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究意义
    1.2 国内外研究现状
        1.2.1 形式概念分析方面的研究
        1.2.2 基于概念格属性约简方面的研究
        1.2.3 认知系统方面的研究
        1.2.4 基于概念格的关联规则挖掘方面的研究
    1.3 本文研究内容
    1.4 文章结构
2 预备知识
    2.1 语言术语集
    2.2 形式概念分析
3 语言概念形式背景下的知识约简方法
    3.1 语言概念形式背景
    3.2 不完备语言概念形式背景的多粒度语言概念约简方法
        3.2.1 不完备语言概念形式背景
        3.2.2 多粒度语言概念约简理论
        3.2.3 多粒度语言概念约简算法
        3.2.4 数值分析
        3.2.5 MGLCR算法的优势
    3.3 不完备语言概念形式背景的补全算法
    3.4 语言概念格的语言概念知识约简
        3.4.1 语言概念知识约简理论
        3.4.2 语言概念知识约简算法
        3.4.3 LCKR算法分析
        3.4.4 数值分析
        3.4.5 LCKR算法的优势
    3.5 本章小结
4 基于模糊对象语言概念格的个性化推荐方法
    4.1 模糊对象语言概念格
    4.2 基于模糊对象语言形式背景的协同过滤算法
        4.2.1 算法理论
        4.2.2 LFCLCF算法分析
    4.3 基于模糊对象语言概念格的认知系统
    4.4 个性化推荐方法
    4.5 本章小结
5 仿真实验与分析
    5.1 个性化推荐方法设计
        5.1.1 方法框架
        5.1.2 个性化推荐算法设计
        5.1.3 LFCLAR算法分析
    5.2 仿真实验
        5.2.1 系统开发环境
        5.2.2 推荐方法的实施
        5.2.3 数值分析
        5.2.4 LFCLAR算法的优势
    5.3 本章小结
总结与展望
参考文献
附录 A 带有语言值信息的电影评价调查
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3772085