基于混合模型的推荐系统的研究

发布时间：2017-03-29 21:18

  本文关键词：基于混合模型的推荐系统的研究，由笔耕文化传播整理发布。

【摘要】：伴随大数据时代的到来,人们每天面临着海量数字信息,信息过载问题日益严重。传统的获取信息的方式是传统的门户网站和通过搜索引擎主动搜索,这已经不能及时满足人们对有效信息的获取。推荐系统的出现和发展带来了获取信息方式的改变。最初的推荐技术被用在电子商务网站中,如亚马逊,淘宝网的购物推荐。随着Web发展,推荐技术被用到新闻,视频,音乐,问答等各种Web应用中,帮助人们从海量信息中及时获取所需信息。随着网络中推荐应用越来越广泛,推荐算法的研究也在逐渐深入。学术界研究最多的是协同过滤算法,包括基于记忆的方法,如基于用户的KNN算法,基于物品KNN算法等,基于模型的方法,比如矩阵分解MF算法,SVD++算法,基于社交因素约束的矩阵分解(SocailRegular-FM)算法等。单一模型及其变种的研究很多而且成熟。改进模型的研究仍为今后研究重点。但是,单一的模型算法仅仅能抓住函数假设空间的部分特征,混合几种模型来做推荐的研究方向越来越受重视。本课题对以上单个模型和模型混合技术均做出了研究。本课题的主要工作如下,我们对已有基础模型做出研究和实现,将代码组合起来最终实现一推荐引擎库,我们称为JRSLib库。课题改进利用辅助信息改进了物品相似度公式。社交因素越来越被推荐系统重视,课题对基于社交因素约束模型做出研究,之后提出了基于社交兴趣组约束的模型,通过概率潜语义分析模型(PLSA)学习兴趣组,使兴趣组内的成员的兴趣向量尽可能的相似。对模型混合技术,线性回归和梯度提升决策树(GBDT)做出研究,分析了混合模型的优势,比较了模型混合后与单一模型推荐效果。课题最后设计和实现了个性化移动新闻推荐原型系统,将推荐系统算法在文本推荐领域做出具体应用。
【关键词】：推荐引擎 相似度 兴趣组 混合模型 新闻推荐
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-15
• 1.1 课题背景与意义9-10
• 1.2 国内外研究动态10-13
• 1.3 目前方法存在的问题13
• 1.4 本文主要工作和贡献13-14
• 1.5 论文的组织结构14-15
• 第2章 推荐系统基础模型15-27
• 2.1 推荐系统基础模型理论研究15-20
• 2.1.1 推荐系统模型分类15-16
• 2.1.2 协同过滤算法16-20
• 2.2 相似度计算方法比较与改进20-22
• 2.2.1 常用相似度函数20-21
• 2.2.2 改进的相似度方法21-22
• 2.3 本文使用的数据集介绍22-23
• 2.3.1 Movielens-100k数据集22
• 2.3.2 百度电影评分数据22-23
• 2.4 基础方法在数据集上的实验分析23-26
• 2.4.1 基础方法库JRSlib23-24
• 2.4.2 推荐系统评价标准24
• 2.4.3 基础方法实验结果24-26
• 2.5 本章小结26-27
• 第3章 基于社交因素和隐含兴趣组约束的推荐模型27-35
• 3.1 社交网络因素分析27-28
• 3.2 基于社交关系约束的推荐模型28-29
• 3.3 基于隐含兴趣组约束的推荐模型29-34
• 3.4 本章小结34-35
• 第4章 混合推荐模型35-44
• 4.1 模型混合基础理论35-40
• 4.1.1 模型混合方法36-38
• 4.1.2 模型混合的优势38-40
• 4.2 推荐系统模型混合应用40-43
• 4.2.1 混合模型方法的选择40-41
• 4.2.2 基础模型选择与数据处理41-43
• 4.3 混合推荐结果分析43
• 4.4 本章小结43-44
• 第5章 个性化移动新闻推荐原型系统设计与实现44-60
• 5.1 个性化移动新闻推荐的背景44-45
• 5.1.1 需求分析44
• 5.1.2 问题描述44-45
• 5.2 系统框架流程45-48
• 5.3 系统关键模块48-54
• 5.3.1 新闻采集模块48-49
• 5.3.2 新闻特征提取、相似度和自动分类49-51
• 5.3.3 基于点击的新闻推荐算法模块51-53
• 5.3.4 推荐列表生成53-54
• 5.4 新闻推荐系统数据库54-55
• 5.5 客户端接口55-57
• 5.5.1 获取推荐内容列表55-56
• 5.5.2 获取一篇新闻的具体内容56-57
• 5.6 原型系统推荐效果分析57-59
• 5.7 本章小结59-60
• 第6章 总结与展望60-62
• 6.1 总结60
• 6.2 展望60-62
• 参考文献62-64
• 攻读硕士学位期间发表的论文及其它成果64-65
• 致谢65-66
• 作者简介66

【二级参考文献】

中国期刊全文数据库 前3条

1 苏玉召;牛晓太;赵妍;;提高个性化推荐精度的定制Web日志方法[J];图书与情报;2011年05期

2 黄永文;;关联数据在图书馆中的应用研究综述[J];现代图书情报技术;2010年05期

3 李涛;王建东;叶飞跃;冯新宇;张有东;;一种基于用户聚类的协同过滤推荐算法[J];系统工程与电子技术;2007年07期

  本文关键词：基于混合模型的推荐系统的研究，，由笔耕文化传播整理发布。

本文编号：275455