基于重叠社区发现的群组推荐算法研究

发布时间：2017-10-15 03:10

  本文关键词：基于重叠社区发现的群组推荐算法研究

  更多相关文章： 群组推荐 社区发现 协同过滤 Movielens

【摘要】：经过多年的发展,互联网已经由以网页浏览为特征的Web1.0时代迈入了以用户交互为特征的Web2.0时代。用户总体规模及需求增长远远落后于信息增长速度,信息利用率呈现持续性的下降,这一现象被称为信息过载。目前,解决信息过载问题主要分为两个途径：信息搜索和主动推荐。主动推荐则能够通过对用户属性和行为的分析,能够为用户提供可能被其忽略的或未发现的具有潜在价值的信息。由于推荐技术在各类场景中展现出的应用价值,学者们对其进行了大量的研究,将推荐技术分为基于内容的推荐和协同过滤推荐两个大的方向。 本文首先对社区发现以及推荐系统的研究现状进行了系统的总结,并在此基础上详细阐述了复杂社会网络分析、社区发现理论、推荐系统领域的经典理论。其次,本文在对传统协同过滤推荐算法的比较中发现了基于欧式距离的绝对相似度与基于皮尔逊相关性相似度的内在区别,并提出了优化的全局相似度概念,在一定程度上提升了相似度计算的准确性。再次,本文把社会学领域的社会网络概念及数据挖掘领域的聚类、关联分析等思想引入到推荐算法中,一方面通过社区发现算法对用户数据进行高效聚类,另一方面则通过群组推荐算法产生已聚类社区的最终社区推荐结果。本文同时考虑了群组用户的兴趣以及他们复杂的内部关系,通过将重叠社区发现算法和基于贡献度的协同过滤算法进行创新融合,以实现潜在群组的发现、建立、调整和面向群组的智能推荐。最后,基于Movielens开放数据集,本文设计了一系列相关实验以验证算法的有效性和准确性。实验结果表明本实验能够实现高效且准确的群组推荐。
【关键词】：群组推荐 社区发现 协同过滤 Movielens
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：C912.3
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-16
• 1.1 研究背景及意义8-11
• 1.1.1 研究背景8-10
• 1.1.2 研究意义10-11
• 1.2 国内外相关研究现状及评述11-13
• 1.2.1 社区发现研究现状11-12
• 1.2.2 推荐系统研究现状12-13
• 1.3 论文内容与结构13-14
• 1.4 研究方法14-15
• 1.5 研究特色与创新点15-16
• 第二章 复杂社会网络与社区发现理论16-23
• 2.1 复杂社会网络分析16-17
• 2.1.1 复杂网络特征量16
• 2.1.2 复杂网络分析16-17
• 2.2 社区发现理论17-22
• 2.2.1 一般社区发现算法18-19
• 2.2.2 重叠社区发现算法19-22
• 2.3 本章小结22-23
• 第三章 推荐系统相关技术研究23-31
• 3.1 用户建模23
• 3.2 推荐项目建模23-24
• 3.3 核心推荐算法24-30
• 3.3.1 推荐系统存在的缺陷24-25
• 3.3.2 基于内容的推荐算法25-26
• 3.3.3 协同过滤推荐算法26-29
• 3.3.4 组合推荐算法29-30
• 3.4 本章总结30-31
• 第四章 基于重叠社区发现的群组推荐算法31-38
• 4.1 重叠社区发现算法模块31-35
• 4.1.1 基于相似性的用户网络31-34
• 4.1.2 社区发现34-35
• 4.1.3 重叠社区融合35
• 4.2 群组推荐算法模块35-37
• 4.3 本章小结37-38
• 第五章 实验数据及性能评价38-44
• 5.1 实验数据集38-40
• 5.1.1 数据选择38-39
• 5.1.2 数据存储39-40
• 5.2 评价指标40-41
• 5.3 结果分析41-43
• 5.4 本章小结43-44
• 第六章 研究成果与展望44-46
• 6.1 研究成果44-45
• 6.2 研究展望45-46
• 参考文献46-50
• 致谢50-51
• 攻读学位期间发表的学术论文目录51

【参考文献】

中国期刊全文数据库 前5条

1 李宝林;兰芸;张翼英;;基于动态遗传算法的用户模型进化研究[J];计算机工程与应用;2006年14期

2 王国霞;刘贺平;;个性化推荐系统综述[J];计算机工程与应用;2012年07期

3 周明;张科;;基于凝聚子群的虚拟社区社会网络结构实证分析[J];技术经济;2009年10期

4 平亮;宗利永;;基于社会网络中心性分析的微博信息传播研究——以Sina微博为例[J];图书情报知识;2010年06期

5 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

，

本文编号：1034729