贝叶斯学习及其在个性化搜索和推荐应用研究

发布时间：2020-03-26 05:47

【摘要】：贝叶斯学习是机器学习理论中的重要研究方向。它以贝叶斯法则为基础，通过已了解的数据分布的先验知识，结合样本训练数据来估算出整体数据的数学模型。贝叶斯学习的结果是获得一组变量的联合概率分布。贝叶斯学习由于其用概率的形式来表示不确定知识，故对不确定形式的问题它有独特的描述和计算优势。通过贝叶斯学习模型来计算一组输入，模型会给出每种解结果可能发生的概率值，而不是单一的给出一个确切解。个性化搜索和推荐是当下互联网研究的一个热点，其对搜索引擎、电子商务等有重要意义。由于每个人的选择倾向会受到各种因素的影响，故个性化定制问题也是一种不确定问题。正因此，笔者在深入研究贝叶斯学习相关理论的同时，，重点探究了贝叶斯学习对个性化搜索和推荐的应用性。 论文的主要内容和创新如下： 1.研究了贝叶斯分类器理论及其在个性化搜索应用，设计了一种应用于商品分类的贝叶斯分类器，该分类器将表示商品的属性分为两类：一种是文字描述属性，用来表述商品名称、简介和评价等；令一种是表示离散量的属性，如价格、销量等。对于文本描述属性，分类器依据经典贝叶斯文本分类器方法计算分类概率，然后与其它离散属性的分类概率相乘。经过该分类器对商品分类，可以实现对商品添加更具目标性的描述标签，从而既可以丰富用户定位商品的术语选择，也有利于个性化搜索引擎解析用户描述语义，返回个性化搜索结果。 2.研究了贝叶斯信念网络及其在个性化推荐应用，设计了一种根据全网客户的购买记录来构造一个描述用户购买行为的贝叶斯网络。对于推荐行为，算法的本质思想是发现与待推荐用户具有相似购买序的用户，并将购买序链中其它级的商品推荐给用户。该网络以用户购买的商品作为网络节点，应用基于信息论的依赖分析网络构造算法构造此网络，并学习训练网络节点的参数表。用户推荐就是贝叶斯网络推理的过程，对推荐网络的设计在考量计算规模和精度等情形下选择了一种近似推理的随机推理算法。
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP18;TP391.3

【相似文献】

相关期刊论文 前10条

1 蒋望东;林士敏;;基于贝叶斯网络工具箱的贝叶斯学习和推理[J];信息技术;2007年02期

2 李楠;姜远;周志华;;基于模型似然的超1-依赖贝叶斯分类器集成方法[J];模式识别与人工智能;2007年06期

3 王实;高文;;增强型朴素贝叶斯学习[J];计算机科学;2000年04期

4 王林波;赵杰煜;;基于贝叶斯学习的视频图像分割(英文)[J];中国图象图形学报;2005年09期

5 邓丽;刘小辉;金立左;费树岷;;基于贝叶斯学习的视频检索相关反馈算法设计[J];计算机应用研究;2008年03期

6 欧海涛,张卫东,许晓鸣;基于RMM和贝叶斯学习的城市交通多智能体系统[J];控制与决策;2001年03期

7 宋婉娟;张剑;;基于机器学习的网络入侵检测[J];科技信息;2009年23期

8 谢枫平;;一个基于朴素贝叶斯方法的RSS分类器[J];闽西职业技术学院学报;2008年04期

9 邓丽;金立左;费树岷;;视频检索中相关反馈算法研究[J];信号处理;2009年03期

10 王娟;柴玉梅;;基于多议题协商的贝叶斯学习[J];计算机技术与发展;2006年02期

相关会议论文 前10条

1 陈振兴;贲可荣;;机器学习在软件预测与评估中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

2 岳全中;朱永利;;基于朴素贝叶斯分类器的电流互感器状态评估[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

3 孟中强;卢锦玲;;基于贝叶斯分类器的暂态稳定评估方法研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

4 吴铭;徐蔚然;郭军;;基于统计的中文标点识别算法研究[A];第八届全国汉字识别学术会议论文集[C];2002年

5 田京雷;毕胜;;基于视频的客流计数系统的研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

6 王晓东;孙滨;李学威;;商空间模型下不确定本体知识推理研究[A];计算机研究新进展（2010）——河南省计算机学会2010年学术年会论文集[C];2010年

7 谢琳;李凡长;;一种新的动态模糊参数学习算法研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

8 高洪深;;有色金属探矿专家系统及其不确定知识的表示[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

9 赖均;黄迪明;胡德昆;;反垃圾邮件机的研究与实现[A];四川省通信学会二零零四年学术年会论文集（二）[C];2004年

10 吴崇斌;张全;;上下文边界可变的贝叶斯分类器词义消歧方法[A];第五届全国青年计算语言学研讨会论文集[C];2010年

相关重要报纸文章 前2条

1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年

2 ;日本：快速检测信息系统故障新技术[N];人民公安报;2010年

相关博士学位论文 前10条

1 段青;基于稀疏贝叶斯学习方法的回归与分类在电力系统中的预测研究[D];山东大学;2010年

2 隋建利;动态随机一般均衡模型的研究与应用[D];吉林大学;2010年

3 黄晓彬;中国证券市场信息结构与信息风险测度研究[D];天津大学;2012年

4 王先基;基于统计学习的自动人脸识别算法研究[D];中国科学技术大学;2007年

5 刘寅;基于稀疏信号重构的空间谱估计算法研究[D];西安电子科技大学;2012年

6 邹小军;武器装备采购的双方治理研究[D];国防科学技术大学;2011年

7 张聪;基于信度网的不确定性推理、学习与分类研究[D];重庆大学;2005年

8 邵非;基于位置感知的移动信息服务若干关键技术研究[D];华东师范大学;2012年

9 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年

10 孙天昊;电子商务中一对多协商研究[D];重庆大学;2008年

相关硕士学位论文 前10条

1 刘吉振;贝叶斯学习及其在个性化搜索和推荐应用研究[D];中国海洋大学;2013年

2 王晶;稀疏贝叶斯学习理论及应用研究[D];西安电子科技大学;2012年

3 王宏威;油田数据挖掘技术的研究与应用[D];大庆石油学院;2005年

4 毛红宇;垃圾邮件过滤算法研究与实现[D];上海交通大学;2007年

5 高岩;朴素贝叶斯分类器的改进研究[D];华南理工大学;2011年

6 龚思雁;基于Multi-Agent的自动谈判研究[D];武汉大学;2005年

7 胡振宇;贝叶斯学习的先验分布的研究[D];广西师范大学;2001年

8 张束;基于贝叶斯MARS的入侵检测算法研究[D];哈尔滨工程大学;2007年

9 陈益军;一个基于贝叶斯方法的冬态树木分类系统的设计与实现[D];苏州大学;2007年

10 王娟;基于在线学习的多Agent协商[D];郑州大学;2006年

本文编号：2601031