基于社交用户信任度和标注动机的标签推荐系统研究

发布时间：2017-10-13 12:54

  本文关键词：基于社交用户信任度和标注动机的标签推荐系统研究

  更多相关文章： 标签系统 社交网络 信任度 标注动机 兴趣模型

【摘要】：近年来,科学技术日新月异,互联网进入Web2.0时代后,“信息爆炸”已经成为当今时代的主要特征,海量信息的涌现,为人们查询选择信息带来了诸多不便。基于此,垂直分类系统、搜索引擎、推荐系统等技术方法不断被科研人员提出并应用,用以解决我们所面临的信息爆炸难题。本文以推荐系统为研究对象,主要针对当前标签推荐系统在国内外研究及应用工作进行了阐述,分析了其面临的困难和不足。同时,本文对论文研究中涉及到的推荐算法技术、社交网络技术以及标签系统工作原理等基本基础工作,进行了简要的研究阐述。个性化推荐系统通过系统分析用户行为,构建用户模型,预测用户喜好进行资源推荐获得了良好的用户反馈。基于用户生成内容(User Generated Content,UGC)的标签系统通过标签的标注来反映用户的兴趣爱好,在用户与资源之间起到良好的媒介作用。然而,由于每个用户之间存在个体差异,导致了标签存在歧义、语义模糊等现象,同时,用户之间信任度衰减也导致了个性化推荐效果不佳的问题。本文结合国内外研究现状,对当前的标签系统、推荐系统以及其模型和算法等进行研究分析,着力于社交网络中用户信任和用户标注动机两点来构建完善个性化的标签推荐系统,通过构建用户信任集合和判别用户标注动机进行相关推荐算法的改进,最终设计了基于此算法的个性化推荐系统原型。本文的主要工作包括:①阐述了国内外对基于标签的推荐系统的研究和应用现状,研究了当前主要的推荐算法和标签系统的特点,分析了当前标签推荐系统面临的困难和不足。②为了解决当前社交网络中基于用户信任的Web服务推荐算法存在的覆盖率不足的问题,本文整合了当前有关直接信任、间接信任及群体信任度的研究思路,对相关的信任度计算方式进行了扩展研究。在此基础上,本文提出了一种新的组合信任度算法。③对标签推荐系统中用户标注动机进行了动机倾向性分类研究,并通过判断倾向性指标的量化研究,来完成用户动机倾向性的判断。在此基础上,通过构建基于艾宾浩斯遗忘函数的兴趣模型,完成了基于用户动机和兴趣模型二者结合的标签推荐算法改进。④通过基于用户信任和用户标注动机的推荐研究,设计了一个基于用户信任和标注动机的标签推荐系统原型,并主要就其功能模块进行了描述。
【关键词】：标签系统 社交网络 信任度 标注动机 兴趣模型
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-12
• 1.1 课题研究背景与研究意义8-9
• 1.2 国内外研究现状9-10
• 1.3 推荐系统研究面临的问题10-11
• 1.4 本文的主要工作11
• 1.5 本章小结11-12
• 2 相关技术研究分析12-22
• 2.1 推荐系统原理及行为数据12-13
• 2.2 主要推荐技术研究13-19
• 2.2.1 基于内容的推荐13-15
• 2.2.2 基于规则的推荐15-16
• 2.2.3 基于协同过滤的推荐16-19
• 2.3 标签系统相关研究19-20
• 2.3.1 标签的定义及特点19
• 2.3.2 标签系统特点19-20
• 2.4 社交网络相关研究20-21
• 2.4.1 社交网络定义20
• 2.4.2 社交网络组成结构及特点20-21
• 2.4.3 社交网络处理技术21
• 2.5 本章小结21-22
• 3 基于用户信任度的推荐研究22-37
• 3.1 用户信任度概述22-23
• 3.2 用户信任度分类23-32
• 3.2.1 基于IOWA算子的直接信任度研究23-26
• 3.2.2 基于信任链的间接信任度研究26-30
• 3.2.3 基于直接信任的群体信任度研究30-32
• 3.3 基于多种信任度组合的推荐算法32-36
• 3.3.1 组合算法的提出32-33
• 3.3.2 实验及结果分析33-36
• 3.4 本章小结36-37
• 4 基于用户标注动机的推荐研究37-55
• 4.1 用户标注动机分类研究37-39
• 4.2 用户标注动机模型39-43
• 4.2.1 用户标注动机倾向性39-40
• 4.2.2 用户标注动机倾向性度量指标40-43
• 4.2.3 用户标注动机的判断43
• 4.3 用户兴趣模型43-50
• 4.3.1 标签标准化43-47
• 4.3.2 基于标签的用户兴趣模型47-49
• 4.3.3 基于遗忘函数的改进标签用户兴趣模型49-50
• 4.4 用户兴趣模型下基于用户动机的标签推荐50-54
• 4.4.1 推荐算法步骤流程50-52
• 4.4.2 实验及结果分析52-54
• 4.5 本章小结54-55
• 5 基于用户信任和标注动机的标签推荐原型系统55-62
• 5.1 原型系统架构55-56
• 5.2 原型系统主要功能模块56-61
• 5.2.1 日志文件模块56
• 5.2.2 用户行为模型模块56-58
• 5.2.3 推荐引擎模块58-61
• 5.3 本章小结61-62
• 6 结论与展望62-64
• 6.1 结论62-63
• 6.2 展望63-64
• 致谢64-65
• 参考文献65-69
• 附录69
• A. 作者在攻读硕士学期期间发表的论文69
• B. 作者在攻读硕士学位期间参与的科研项目69

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

2 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

3 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

4 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

5 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

6 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

7 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

8 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年

9 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年

10 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

，

本文编号：1024963