基于移动场景模型的个性化推荐研究

发布时间：2019-10-12 02:09

【摘要】：随着互联网的飞速发展，互联网上的信息每年都在以几何级数增长。如何在这个海量信息库中精确获取所需信息已成为人们越来越关注的问题。搜索引擎就是在这个背景下，应运而生，并且迅速发展起来。搜索引擎技术虽在一定程度上满足了人们一般性查询的需要，但其“千人一面”的搜索，仍不能满足移动环境中不同位置、不同背景、不同目的以及不同时期的个性化搜索需求。随着人们的移动性日益增强，传统的互联网搜索技术难以满足移动环境中不同背景、不同目的、不同位置以及不同时期的个性化搜索需求，个性化、智能化和移动化正成为下一代搜索技术的发展方向。本论文的主要内容及创新性工作概括如下：介绍了移动搜索、个性化搜索和推荐服务的研究背景、相关典型应用及研究现状，并具体介绍了个性化推荐的相关概念，并分析了推荐引擎的基本工作原理和分类，最后阐述了个性化推荐系统的分类。详细介绍了三种典型的个性化推荐算法：基于关联规则的推荐算法、基于内容的推荐算法和协同过滤推荐算法,并重点介绍三种智能优化算法：遗传算法、文化基因算法和人工免疫算法，最后详细分析了智能优化算法在个性化推荐中的具体应用问题。在分析移动场景模型的相关参数基础上，针对当前情景信息和历史情景信息，定义了两者的相似度，，并设计了具体的移动场景优化模型。在基于个性化推荐的移动场景优化模型基础上，设计了一种新的克隆遗传量子启发式搜索算法CGQSA，同时对CGQSA算法的克隆算子，变异算子，交叉算子和选择算子进行具体的定义。通过测试表明，本文设计的CGQSA算法与位置感知的文本检索查询，基于Prestige的位置感知的文本检索查询，M最近邻关键字查询进行了对比实验，能获得较快的收敛速度，并保持较高的查全率和精确率。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP391.3

【参考文献】