用户偏好诱导的模糊量词及应用研究
发布时间：2021-08-03 14:27
模糊量词在理论分析（计算机科学特别是人工智能）及实际应用中具有重要作用。个性化模糊量词,具有较强的个体针对性,能够很好地反映用户的主观偏好、决策态度等个性特征,近年来逐渐成为众多研究者关注的焦点内容。本论文以提高个性化模糊量词的性能为目标,采取期望值提取→个性化模糊量词建模→个性化产品推荐的分析思路,旨在提出一种新颖精巧的期望值提取模型,据此建立基于用户偏好的个性化模糊量词,并将其应用于个性化产品推荐中。本文具体研究内容如下:（1）基于偏好诱导量词的个性化推荐模型。为得到更加有效的个性化模糊量词,以便提高个性化模糊量词的性能,应用OWA（ordered weighted averaging）思想及TOPSIS（technique for order preference by similarity to ideal solution）方法,提出一种新颖精巧的用户期望值提取模型,据此建立基于用户偏好的个性化模糊量词,并将其应用于个性化产品推荐中。所提模型及方法能够很好地反映出用户的偏好/态度等个性特征,对用户的能力水平、专业知识、经历经验等差异性特质无特殊要求。（2）在前景理论的拓展研究...
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景
1.2 问题的提出与研究意义
1.2.1 问题的提出
1.2.2 研究意义
1.3 研究方法
1.4 研究内容与本文结构
第2章 相关工作
2.1 模糊量词理论
2.2 个性化推荐
2.2.1 基于内容(CB)的推荐算法
2.2.2 基于协同过滤(CF)的推荐算法
2.2.3 基于关联规则的推荐算法
2.2.4 基于知识的推荐算法
2.2.5 混合推荐算法
2.2.6 推荐算法区别
2.3 参照点理论
2.3.1 参照点的产生机制与分类
2.3.2 参照点与前景理论
2.4 本章小结
第3章 基于偏好诱导量词的个性化推荐模型
3.1 理论基础
3.1.1 OWA算子
3.1.2 TOPSIS方法
3.2 用户偏好诱导的模糊量词
3.2.1 样本数据的指标权重
3.2.2 基于偏好的用户期望值
3.2.3 个性化模糊量词建模
3.2.4 偏好诱导量词建模方法
3.3 在个性化推荐中的应用
3.3.1 实例分析
3.3.2 进一步讨论
3.4 本章小结
第4章 在前景理论的拓展研究
4.1 相关分析及讨论
4.1.1 参照点获取方法
4.1.2 本文方法及优势
4.2 在前景理论中的应用
4.2.1 S-HARA效用函数
4.2.2 模型构建及步骤
4.2.3 算例分析
4.3 本章小结
第5章 总结与展望
5.1 主要研究工作
5.2 展望
致谢
参考文献
攻读学位期间发表的学术论文及参加科研情况
【参考文献】：
期刊论文
[1]融合显式反馈与隐式反馈的协同过滤推荐算法[J]. 陈碧毅,黄玲,王昌栋,景丽萍. 软件学报. 2020(03)
[2]基于粗糙集规则提取的协同过滤推荐算法[J]. 任永功,张云鹏,张志鹏. 通信学报. 2020(01)
[3]基于增量协同过滤和潜在语义分析的混合推荐算法[J]. 刘辉,万程峰,吴晓浩. 计算机工程与科学. 2019(11)
[4]一种面向移动应用开发的第三方库混合推荐方法[J]. 任其,李兵,王健,赵玉琦,熊燚铭. 小型微型计算机系统. 2019(09)
[5]面向知识推荐服务的选课决策[J]. 张维国. 计算机科学. 2019(S1)
[6]基于多属性在线评价信息的商品购买推荐排序方法[J]. 张瑾,尤天慧,樊治平. 东北大学学报(自然科学版). 2019(01)
[7]关联规则推荐的高效分布式计算框架[J]. 李昌盛,伍之昂,张璐,曹杰. 计算机学报. 2019(06)
[8]一种知识图谱的排序学习个性化推荐算法[J]. 杨晋吉,胡波,王欣明,伍昱燊,赵淦森. 小型微型计算机系统. 2018(11)
[9]基于网络表示学习的个性化商品推荐[J]. 李宇琦,陈维政,闫宏飞,李晓明. 计算机学报. 2019(08)
[10]基于时间因子的个性化新闻混合推荐研究[J]. 陶永才,火昊,石磊,卫琳. 小型微型计算机系统. 2018(08)
博士论文
[1]基于前景理论的不确定犹豫模糊多属性决策方法研究[D]. 李兴江.燕山大学 2018
[2]S型效用函数下的模糊多属性决策方法研究[D]. 刘慧晖.华北电力大学(北京) 2017
[3]二型模糊决策方法及其在个性化推荐中的应用[D]. 秦晋栋.东南大学 2016
[4]几类广义信息集成算子及其在多属性决策中的应用[D]. 周礼刚.安徽大学 2013
[5]基于参照点的区间数TOPSIS方法研究[D]. 裴凤.合肥工业大学 2012
硕士论文
[1]基于前景理论的模糊多准则决策方法及应用研究[D]. 尚优.南京理工大学 2017
[2]结合模糊数学与多目标决策方法的混合多准则推荐系统[D]. 张文力.电子科技大学 2013
[3]面向用户偏好的MADM方法在个性化推荐中的应用[D]. 李微娜.黑龙江大学 2011
[4]模糊量词理论的研究及其在气象预报中的应用[D]. 冯祥胜.南昌大学 2009
本文编号：3319786
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景
1.2 问题的提出与研究意义
1.2.1 问题的提出
1.2.2 研究意义
1.3 研究方法
1.4 研究内容与本文结构
第2章 相关工作
2.1 模糊量词理论
2.2 个性化推荐
2.2.1 基于内容(CB)的推荐算法
2.2.2 基于协同过滤(CF)的推荐算法
2.2.3 基于关联规则的推荐算法
2.2.4 基于知识的推荐算法
2.2.5 混合推荐算法
2.2.6 推荐算法区别
2.3 参照点理论
2.3.1 参照点的产生机制与分类
2.3.2 参照点与前景理论
2.4 本章小结
第3章 基于偏好诱导量词的个性化推荐模型
3.1 理论基础
3.1.1 OWA算子
3.1.2 TOPSIS方法
3.2 用户偏好诱导的模糊量词
3.2.1 样本数据的指标权重
3.2.2 基于偏好的用户期望值
3.2.3 个性化模糊量词建模
3.2.4 偏好诱导量词建模方法
3.3 在个性化推荐中的应用
3.3.1 实例分析
3.3.2 进一步讨论
3.4 本章小结
第4章 在前景理论的拓展研究
4.1 相关分析及讨论
4.1.1 参照点获取方法
4.1.2 本文方法及优势
4.2 在前景理论中的应用
4.2.1 S-HARA效用函数
4.2.2 模型构建及步骤
4.2.3 算例分析
4.3 本章小结
第5章 总结与展望
5.1 主要研究工作
5.2 展望
致谢
参考文献
攻读学位期间发表的学术论文及参加科研情况
【参考文献】：
期刊论文
[1]融合显式反馈与隐式反馈的协同过滤推荐算法[J]. 陈碧毅,黄玲,王昌栋,景丽萍. 软件学报. 2020(03)
[2]基于粗糙集规则提取的协同过滤推荐算法[J]. 任永功,张云鹏,张志鹏. 通信学报. 2020(01)
[3]基于增量协同过滤和潜在语义分析的混合推荐算法[J]. 刘辉,万程峰,吴晓浩. 计算机工程与科学. 2019(11)
[4]一种面向移动应用开发的第三方库混合推荐方法[J]. 任其,李兵,王健,赵玉琦,熊燚铭. 小型微型计算机系统. 2019(09)
[5]面向知识推荐服务的选课决策[J]. 张维国. 计算机科学. 2019(S1)
[6]基于多属性在线评价信息的商品购买推荐排序方法[J]. 张瑾,尤天慧,樊治平. 东北大学学报(自然科学版). 2019(01)
[7]关联规则推荐的高效分布式计算框架[J]. 李昌盛,伍之昂,张璐,曹杰. 计算机学报. 2019(06)
[8]一种知识图谱的排序学习个性化推荐算法[J]. 杨晋吉,胡波,王欣明,伍昱燊,赵淦森. 小型微型计算机系统. 2018(11)
[9]基于网络表示学习的个性化商品推荐[J]. 李宇琦,陈维政,闫宏飞,李晓明. 计算机学报. 2019(08)
[10]基于时间因子的个性化新闻混合推荐研究[J]. 陶永才,火昊,石磊,卫琳. 小型微型计算机系统. 2018(08)
博士论文
[1]基于前景理论的不确定犹豫模糊多属性决策方法研究[D]. 李兴江.燕山大学 2018
[2]S型效用函数下的模糊多属性决策方法研究[D]. 刘慧晖.华北电力大学(北京) 2017
[3]二型模糊决策方法及其在个性化推荐中的应用[D]. 秦晋栋.东南大学 2016
[4]几类广义信息集成算子及其在多属性决策中的应用[D]. 周礼刚.安徽大学 2013
[5]基于参照点的区间数TOPSIS方法研究[D]. 裴凤.合肥工业大学 2012
硕士论文
[1]基于前景理论的模糊多准则决策方法及应用研究[D]. 尚优.南京理工大学 2017
[2]结合模糊数学与多目标决策方法的混合多准则推荐系统[D]. 张文力.电子科技大学 2013
[3]面向用户偏好的MADM方法在个性化推荐中的应用[D]. 李微娜.黑龙江大学 2011
[4]模糊量词理论的研究及其在气象预报中的应用[D]. 冯祥胜.南昌大学 2009
本文编号：3319786
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3319786.html
