基于个性化集合排序的多样性推荐

发布时间：2017-05-30 02:02

  本文关键词：基于个性化集合排序的多样性推荐，由笔耕文化传播整理发布。

【摘要】：近些年来,个性化推荐系统作为一种解决网络超载问题的重要工具,被广泛应用于互联网的很多领域。对于个性化的top-N推荐任务,除了推荐的相关性,推荐的多样性也是很有必要的。一般而言,不同的用户往往有不同的个人兴趣范围。兴趣广泛的用户可能喜欢各种各样的信息,而拥有固定兴趣的用户可能只对一些信息感兴趣。因此,在个性化的top-N推荐任务中,推荐的相关性和多样性相结合的结果会更令人满意。为了这个目的,本文将集合多样性的概念加入传统的矩阵分解模型中。在协同过滤方法中,矩阵分解模型是目前最流行的、效果最好的模型之一。通过使用基于个性化集合协同排序的学习方法对该模型进行学习,本文的方法可以直接进行富有多样性的个性化top-N推荐。对个性化的多样性进行学习的过程中,种类信息也被显式的利用。实验结果显示,对于个性化的top-N推荐任务,本文提出的方法在相关性和多样性方面的表现均优于传统的做法,同时获得了更加个性化的多样性推荐效果。
【关键词】：推荐 协同过滤 集合对排序 个性化 多样性
【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
• ABSTRACT4-11
• 第一章 引言11-17
• 1.1 研究背景11-13
• 1.2 研究意义13-14
• 1.3 研究内容14-15
• 1.4 论文组织15
• 1.5 本章小结15-17
• 第二章 相关工作17-21
• 2.1 协同过滤方法17-18
• 2.2 引入辅助信息18-19
• 2.3 推荐多样性19-20
• 2.4 本章小结20-21
• 第三章 预备知识21-29
• 3.1 矩阵分解模型21-23
• 3.2 不同学习场景下的目标函数23-25
• 3.3 随机梯度下降法25-26
• 3.4 Bootstrap抽样26-27
• 3.5 推荐整体表现评估27
• 3.6 本章小结27-29
• 第四章 个性化集合协同排序推荐算法29-37
• 4.1 概念定义29-30
• 4.2 面向集合的矩阵分解模型30-32
• 4.3 基于集合对比较的协同排序32-35
• 4.4 本章小结35-37
• 第五章 实验准备37-43
• 5.1 数据集37
• 5.2 实际训练集构建37-40
• 5.3 模型训练相关设置40-41
• 5.4 本章小结41-43
• 第六章 实验结果讨论43-51
• 6.1 对比方法43
• 6.2 结果预测43-44
• 6.3 评估标准44-45
• 6.4 结果分析45-50
• 6.4.1 推荐的综合表现46
• 6.4.2 推荐的相关性表现46-47
• 6.4.3 推荐的多样性与相关性的关系47-48
• 6.4.4 推荐的个性化多样性表现48-50
• 6.5 本章小结50-51
• 第七章 总结与展望51-53
• 参考文献53-59
• 致谢59-61
• 攻读学位期间发表的学术论文目录61-63
• 攻读学位期间参与的项目63-65

【相似文献】

中国期刊全文数据库 前10条

1 史加荣;郑秀云;周水生;;矩阵补全算法研究进展[J];计算机科学;2014年04期

2 李聪;骆志刚;;用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型[J];自动化学报;2011年09期

3 袁运祥;基于矩阵分解的子结构法求解介绍[J];计算机应用通讯;1981年00期

4 张海建;;分布式矩阵分解算法在推荐系统中的研究与应用[J];科技通报;2013年12期

5 何朕,赵文斌,于达仁;摄动矩阵的分解[J];电机与控制学报;2004年03期

6 李华云;;F范数及矩阵分解实例研究[J];现代情报;2008年10期

7 邹理和;;系数矩阵分解二维谱估值[J];信号处理;1985年03期

8 陈伯伦;陈];邹盛荣;徐秀莲;;基于矩阵分解的二分网络社区挖掘算法[J];计算机科学;2014年02期

9 王锋;赵志文;牟盛;;整数提升小波多相矩阵分解系数的快速提取算法[J];中国图象图形学报;2012年03期

10 段华杰;;考虑时间效应的矩阵分解技术在推荐系统中的应用[J];微型电脑应用;2013年03期

中国重要会议论文全文数据库 前2条

1 王春江;钱若军;王人鹏;杨联萍;;矩阵分解在张力集成体系模态分析中的应用[A];第九届全国结构工程学术会议论文集第Ⅰ卷[C];2000年

2 王春江;王人鹏;钱若军;王颖;;矩阵分解技术在体系性态综合分析中的初步应用[A];“力学2000”学术大会论文集[C];2000年

中国博士学位论文全文数据库 前5条

1 李英明;矩阵分解在数据挖掘中的应用[D];浙江大学;2014年

2 赵科科;低秩矩阵分解的正则化方法与应用[D];浙江大学;2012年

3 郭亦鸿;利用穆勒矩阵分解定量测量各向异性介质微观结构[D];清华大学;2014年

4 胡惠轶;基于分解的系统辨识方法研究[D];江南大学;2014年

5 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年

中国硕士学位论文全文数据库 前10条

1 秦晓晖;个性化微博推荐方法研究[D];华南理工大学;2015年

2 刘凤林;基于矩阵分解的协同过滤推荐算法研究[D];南京理工大学;2015年

3 李源鑫;基于提升的信任融合矩阵分解推荐算法[D];福建师范大学;2015年

4 陈洪涛;基于矩阵分解的常规与长尾捆绑推荐的博弈研究[D];福建师范大学;2015年

5 张济龙;基于概率矩阵分解的推荐算法研究[D];燕山大学;2015年

6 邓志豪;基于物品相似度和主题回归的矩阵分解推荐算法[D];浙江大学;2015年

7 余露;利用矩阵分解算法建模数据稀疏环境下用户协同行为[D];杭州师范大学;2015年

8 倪泽明;混合用户行为建模的概率矩阵分解推荐算法[D];浙江大学;2015年

9 丁浩;基于协同矩阵分解的药物靶标相互作用关系预测[D];复旦大学;2014年

10 吴世伟;社会网络中的链接分析[D];复旦大学;2014年

  本文关键词：基于个性化集合排序的多样性推荐，由笔耕文化传播整理发布。

，

本文编号：406117