基于信息流动模型的个性化社交内容推荐

发布时间：2017-05-05 12:13

  本文关键词：基于信息流动模型的个性化社交内容推荐，，由笔耕文化传播整理发布。

【摘要】：随着信息化社会的不断深入,社交网络已经成为了人们日常生活中不可分割的一部分,比如国内的新浪微博,人人网,以及国外的Facebook,Twitter,LinkedIn等等。在这些社交网站中,用户不仅可以发布自己最新的状态和消息,还可以将它们分享给好友。此外,用户也可以通过自己的主页,浏览到好友的最新消息。这种信息分享机制是有利有弊的。一方面,通过这种机制,一些热门的信息会更快地传递给用户,使得用户能够更快地获得最新的消息。而另一方面,过快的信息流动使得用户可能在一天之内收到几百甚至上千条信息。这种信息过载问题给用户带来了很大的困扰,因为他们真正需要的信息被埋没在众多无用信息当中。在过去的一些研究中,不少方法可以在一定程度上解决这个问题,其中包括协同过滤方法和信息流动模型。这两种经典的方法从不同的角度出发预测了用户会喜欢什么样的信息。但是它们的缺点在于都只能利用一部分的有效信息进行预测。在这篇论文中,我们提出了一种新的方法来解决信息过载的问题。它不但融合了协同过滤的优势,而且借助了信息流动时的特征。我们的论文主要有三方面的贡献。首先,我们提出了一系列的特征来描述信息流动的特点。其次,我们提出了一个新的模型,同时融合了协同过滤和信息流动模型的优势。最后,我们在两个真实的数据集上进行了实验。实验结果表明我们新模型的效果要远胜于之前最好的方法。
【关键词】：社交网络 推荐 信息流动 协同过滤 个性化
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 主要符号对照表9-10
• 第一章 引言10-18
• 1.1 背景10-11
• 1.2 研究意义11-13
• 1.3 研究方法13-15
• 1.4 论文框架15
• 1.5 本章总结15-18
• 第二章 相关工作18-24
• 2.1 个性化推荐系统18-19
• 2.2 信息流动模型19-20
• 2.3 协同过滤方法20-21
• 2.4 本章小结21-24
• 第三章 信息流动中的特征24-30
• 3.1 信息流动特征概述24-25
• 3.2 和流行度相关的特征25-27
• 3.3 和邻居相关的特征27-28
• 3.4 本章总结28-30
• 第四章 基于信息流动的推荐模型30-34
• 4.1 概述30
• 4.2 基于信息流动模型的矩阵分解30-31
• 4.3 线性叠加的融合方法31-32
• 4.4 本章总结32-34
• 第五章 模型训练34-38
• 5.1 模型训练方法34-36
• 5.2 本章总结36-38
• 第六章 实验部分38-48
• 6.1 数据集38-40
• 6.2 评测标准40-41
• 6.3 新浪微博数据集的评测结果41-45
• 6.4 Twitter数据集的评测结果45-46
• 6.5 本章总结46-48
• 第七章 总结与展望48-50
• 参考文献50-56
• 致谢56-58
• 攻读学位期间发表的学术论文目录58-60
• 攻读学位期间参与的项目60-62

【相似文献】

中国期刊全文数据库 前10条

1 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

2 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

3 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

4 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

5 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

6 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

7 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20期

8 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

10 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期

中国重要会议论文全文数据库 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

中国博士学位论文全文数据库 前10条

1 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

3 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

4 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

5 高e

本文编号：346333