基于马尔科夫链和节点中心度的论文推荐算法研究

发布时间：2017-08-21 05:11

  本文关键词：基于马尔科夫链和节点中心度的论文推荐算法研究

  更多相关文章： 马尔科夫链 节点中心度 状态转移矩阵 论文推荐

【摘要】：随着网络技术的快速发展,在科学研究领域,学术论文的数量呈现爆炸增长的趋势。科研信息过载使得科研人员获取资源所花费的精力增加,这也间接造成了科研浪费。而论文主动推荐技术是解决该问题的一种有效途径。但目前已有的论文主动推荐技术存在着论文相似度不易量化等问题。当前,社交网络已逐渐成为信息推荐、共享的主流形式,越来越多的研究者使用社交网络进行学术资源共享。基于社交网络的论文推荐技术已成为一个新的研究热点。因此,如何简化论文相似度计算,并将社交网络分析引入到论文主动推荐技术中,是本研究要解决的关键问题。首先,基于马尔科夫链理论,提出了新的论文相似度计算模型。该模型利用马尔科夫链对用户浏览论文的过程进行量化,将相邻两次浏览论文的状态转移概率作为度量论文相似度的标准。其次,基于协同过滤思想,将社交网络技术引入到论文相似度计算模型的构建过程中,通过获取朋友圈中所有好友浏览论文的状态转移概率,并考虑好友地位计算其权重,对好友的论文状态转移概率进行加权求和,来建立用户的论文相似度计算模型。然后,基于用户的论文相似度计算模型,设计了基于马尔科夫链和节点中心度的论文推荐算法。最后,以该论文推荐算法为核心,设计并实现了论文推荐原型系统。此外,本研究选取准确率、召回率这两个指标对提出的论文推荐算法的有效性进行评价,并对比分析了基于VSM相似度的论文推荐算法与本文的论文推荐算法的推荐效果,实验证明,该论文推荐算法具有较高的推荐准确度,且论文推荐系统具有较高的用户满意度。本研究提出的推荐算法除了可以用于科学研究中的论文推荐,还可以应用于教育中的学习资源推荐、商业中的商品推荐及金融业中的金融服务推荐等,因此,该算法具有较为广阔的应用前景。
【关键词】：马尔科夫链 节点中心度 状态转移矩阵 论文推荐
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O211.62;TP391.3
【目录】：

• 摘要5-6
• Abstract6-11
• 1 绪论11-18
• 1.1 研究背景及意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究现状12-15
• 1.2.1 经典的推荐算法12-14
• 1.2.2 科技论文推荐算法14-15
• 1.3 论文研究内容及技术路线15-16
• 1.3.1 研究内容15
• 1.3.2 技术路线15-16
• 1.4 论文组织结构16-18
• 2 理论基础18-27
• 2.1 个性化推荐技术18-22
• 2.1.1 协同过滤算法18-19
• 2.1.2 基于内容过滤的推荐算法19-20
• 2.1.3 基于关联规则的推荐算法20-21
• 2.1.4 基于社交网络的推荐算法21-22
• 2.1.5 混合推荐算法22
• 2.2 马尔科夫模型22-24
• 2.2.1 马尔科夫过程22-23
• 2.2.2 马尔科夫链23
• 2.2.3 马尔科夫链的应用23-24
• 2.3 社交网络理论24-26
• 2.3.1 社交网络的理论基础24
• 2.3.2 社交网络的结构特征24-26
• 2.3.3 社交网络的基本参数26
• 2.4 本章小结26-27
• 3 论文相似度计算模型27-35
• 3.1 引言27
• 3.2 相关研究27-29
• 3.3 相似度模型设计29-30
• 3.4 相似度模型构建30-34
• 3.4.1 模型结构30-31
• 3.4.2 数据处理31-32
• 3.4.3 用户权值计算32-33
• 3.4.4 状态转移矩阵计算33-34
• 3.4.5 论文相似度计算模型34
• 3.5 本章小结34-35
• 4 论文推荐算法实现及性能分析35-51
• 4.1 引言35
• 4.2 算法设计与实现35-47
• 4.2.1 算法流程35-36
• 4.2.2 用户权重确定36-41
• 4.2.3 状态转移矩阵获取41-45
• 4.2.4 论文相似度计算45-47
• 4.3 算法性能分析47-50
• 4.3.1 性能评价指标47-48
• 4.3.2 实验环境48
• 4.3.3 实验结果分析48-50
• 4.4 本章小结50-51
• 5 论文推荐系统设计与实现51-62
• 5.1 系统概要分析51-52
• 5.1.1 需求分析51-52
• 5.1.2 系统框架52
• 5.1.3 系统开发环境52
• 5.2 数据库设计52-55
• 5.3 主要模块设计55-56
• 5.3.1 热门论文推荐55-56
• 5.3.2 个性化论文推荐56
• 5.4 实现功能展示56-59
• 5.4.1 用户好友关注56-57
• 5.4.2 论文推荐57-58
• 5.4.3 后台管理58-59
• 5.5 论文推荐系统评价59-61
• 5.6 本章小结61-62
• 6 总结与展望62-64
• 6.1 全文总结62
• 6.2 工作展望62-64
• 参考文献64-68
• 攻读学位期间的科研成果68-69
• 致谢69

【参考文献】

中国期刊全文数据库 前10条

1 陈洁敏;汤庸;李建国;蔡奕彬;;个性化推荐算法研究[J];华南师范大学学报(自然科学版);2014年05期

2 方曙光;;“弱关系”和“强关系”下的网络互动和网络运动[J];北京理工大学学报(社会科学版);2014年02期

3 张建伟;;基于社交网络数据的个性化推荐研究[J];商;2013年24期

4 王振振;何明;杜永萍;;基于LDA主题模型的文本相似度计算[J];计算机科学;2013年12期

5 贺超波;沈玉利;余建辉;林海;吴琳琳;;基于学术社区的科技论文推荐方法[J];华南师范大学学报(自然科学版);2012年03期

6 金博;史彦军;滕弘飞;;基于篇章结构相似度的复制检测算法[J];大连理工大学学报;2007年01期

7 刘殿海;杨勇平;杨昆;李岱青;杨志平;;基于马尔科夫链的能源结构与污染物排放预测模型及其应用[J];中国电力;2006年03期

8 张智军,方颖,许云涛;基于Apriori算法的水平加权关联规则挖掘[J];计算机工程与应用;2003年14期

9 张焕炯,王国胜,钟义信;基于汉明距离的文本相似度计算[J];计算机工程与应用;2001年19期

10 潘谦红,王炬,史忠植;基于属性论的文本相似度计算[J];计算机学报;1999年06期

，

本文编号：710998