基于社会标签系统的个性化推荐方法研究
发布时间：2023-04-25 19:20
推荐系统是现代信息系统的重要组成部分,一直是机器学习、信息检索等领域的研究热点。随着Web2.0技术的发展,社会标签系统因其具有共享性、描述性和互动性等特点而得到广泛应用。与传统系统的推荐应用相比,社会标签系统中既可以使用社会标签又可以使用评分信息进行推荐,从而大大提高了推荐结果的可解释性和精确性,但是基于社会标签系统的推荐技术尚处在发展的初级阶段,传统的推荐方法在社会标签系统的新背景下存在一定的局限性,主要体现在:(1)无法有效地在社会标签系统范围内根据社会标签和评分信息感知用户兴趣的变化;(2)无法有效地利用社会标签系统的社会性特征和用户兴趣主题的多粒度性精确发现用户兴趣社区;(3)无法有效地将社会标签与评分信息融合并进行个性化推荐。本文以提高社会标签系统中个性化推荐的质量为目标,使用主题模型、状态空间模型和矩阵分解等相关理论与方法,研究了社会标签系统环境下个性化推荐问题,目的在于进一步丰富和完善基于社会标签系统的个性化推荐理论与方法,增强个性化推荐算法的实用性和灵活性。具体地,本文开展以下几个部分的研究:(1)用户兴趣漂移感知方法研究。针对目前社会标签系统中在时间上不加区分地将全...
【文章页数】：127 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 研究方法与技术路线
1.3 研究内容与论文结构
1.3.1 本论文的术语定义
1.3.2 研究内容
1.3.3 论文结构
2 国内外研究综述
2.1 基于社会标签系统的推荐模式分析
2.1.1 传统的推荐方法
2.1.2 基于社会标签系统的个性化推荐问题分析
2.1.3 社会标签系统中用户标注行为和评分行为分析
2.2 用户兴趣漂移感知方法研究进展
2.2.1 基于社会标签的感知方法
2.2.2 基于评分信息的感知方法
2.3 兴趣社区发现方法研究进展
2.3.1 社区发现策略相关研究
2.3.2 基于社区发现的推荐方法相关研究
2.4 社会标签与评分信息融合方法研究进展
2.5 国内外相关研究小结
2.6 本章小结
3 用户兴趣漂移感知方法研究
3.1 问题分析及描述
3.2 用户兴趣主题漂移感知方法
3.2.1 常用的主题模型分析
3.2.2 算法描述
3.2.3 近似推理
3.2.4 实验设计与分析
3.3 用户兴趣程度漂移感知方法
3.3.1 概率矩阵分解
3.3.2 算法描述
3.3.3 实验设计与分析
3.4 本章小结
4 多粒度兴趣社区发现方法研究
4.1 问题分析及描述
4.2 主题粒度兴趣社区发现方法
4.2.1 构建兴趣主题网络
4.2.2 算法描述
4.2.3 实验设计与分析
4.3 标签粒度兴趣社区发现方法
4.3.1 构建标签共现网络
4.3.2 算法描述
4.3.3 实验设计与分析
4.4 本章小结
5 融合社会标签和评分信息的个性化推荐方法研究
5.1 问题分析及描述
5.2 兴趣主题级别的标签和评分融合算法
5.2.1 基于标签权重相似性的近邻选择
5.2.2 融合PMF的用户和项目的近邻选择
5.2.3 实验设计与分析
5.3 属性级别的标签和评分融合算法
5.3.1 基于标签权重相似性的近邻选择
5.3.2 联合概率矩阵分解模型
5.3.3 实验设计与分析
5.4 本章小结
6 推荐系统应用研究
6.1 系统需求分析
6.2 系统设计
6.2.1 整体结构设计
6.2.2 功能模块设计
6.2.3 数据库设计
6.3 系统构建
6.3.1 开发环境
6.3.2 数据清洗
6.3.3 推荐流程
6.3.4 关键模块分析
6.4 本章小结
7 结论和展望
7.1 研究总结
7.2 创新点
7.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介
本文编号：3800899
【文章页数】：127 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 研究方法与技术路线
1.3 研究内容与论文结构
1.3.1 本论文的术语定义
1.3.2 研究内容
1.3.3 论文结构
2 国内外研究综述
2.1 基于社会标签系统的推荐模式分析
2.1.1 传统的推荐方法
2.1.2 基于社会标签系统的个性化推荐问题分析
2.1.3 社会标签系统中用户标注行为和评分行为分析
2.2 用户兴趣漂移感知方法研究进展
2.2.1 基于社会标签的感知方法
2.2.2 基于评分信息的感知方法
2.3 兴趣社区发现方法研究进展
2.3.1 社区发现策略相关研究
2.3.2 基于社区发现的推荐方法相关研究
2.4 社会标签与评分信息融合方法研究进展
2.5 国内外相关研究小结
2.6 本章小结
3 用户兴趣漂移感知方法研究
3.1 问题分析及描述
3.2 用户兴趣主题漂移感知方法
3.2.1 常用的主题模型分析
3.2.2 算法描述
3.2.3 近似推理
3.2.4 实验设计与分析
3.3 用户兴趣程度漂移感知方法
3.3.1 概率矩阵分解
3.3.2 算法描述
3.3.3 实验设计与分析
3.4 本章小结
4 多粒度兴趣社区发现方法研究
4.1 问题分析及描述
4.2 主题粒度兴趣社区发现方法
4.2.1 构建兴趣主题网络
4.2.2 算法描述
4.2.3 实验设计与分析
4.3 标签粒度兴趣社区发现方法
4.3.1 构建标签共现网络
4.3.2 算法描述
4.3.3 实验设计与分析
4.4 本章小结
5 融合社会标签和评分信息的个性化推荐方法研究
5.1 问题分析及描述
5.2 兴趣主题级别的标签和评分融合算法
5.2.1 基于标签权重相似性的近邻选择
5.2.2 融合PMF的用户和项目的近邻选择
5.2.3 实验设计与分析
5.3 属性级别的标签和评分融合算法
5.3.1 基于标签权重相似性的近邻选择
5.3.2 联合概率矩阵分解模型
5.3.3 实验设计与分析
5.4 本章小结
6 推荐系统应用研究
6.1 系统需求分析
6.2 系统设计
6.2.1 整体结构设计
6.2.2 功能模块设计
6.2.3 数据库设计
6.3 系统构建
6.3.1 开发环境
6.3.2 数据清洗
6.3.3 推荐流程
6.3.4 关键模块分析
6.4 本章小结
7 结论和展望
7.1 研究总结
7.2 创新点
7.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介
本文编号：3800899
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3800899.html
最近更新
教材专著
