融入个体人格特质的个性化图书推荐模型研究

发布时间：2017-03-20 23:11

  本文关键词：融入个体人格特质的个性化图书推荐模型研究，，由笔耕文化传播整理发布。

【摘要】：随着互联网的飞速发展,电子图书阅读网站的迅速崛起,图书、用户等数据量不断增大,从而使得图书推荐系统中数据稀疏性、冷启动问题等的影响更加突出,推荐系统的推荐质量不断降低。由于数据量的不断增大,图书评分矩阵更加稀疏；同时随着时间的推移,用户阅读偏好会发生变化,因此即使对同一图书,在不同的个体背景因素下都会有不同的评价,即为个体背景因素漂移,使得数据集的定位不够精确；除此之外,人格特质是用户阅读行为影响的另一主要因素。因此如何改善图书评分矩阵的稀疏性,并在进行推荐过程中定位有效的目标数据集,从而提高推荐系统的质量是图书推荐研究的重点。 基于以上问题,本文提出了一种融入人格特质的个性化图书推荐模型,主要研究内容主要包括以下几个方面： 第一,针对“大五”人格特质模型的相关定义,对人格特质因素的五个维度进行了分析与度量,主要包括情绪稳定性、开放性、外向性、随和性和尽责性这五个维度。通过利用量表得到的原始分与标准分之间的映射关系,得到人格特质的标准分,最后根据标准分与人格特质的强弱关系表得出人格特质兼容度综合值。 第二,提出了融入个体人格特质的个性化推荐模型,将个体背景因素漂移、用户图书类型偏好和人格特质三个要素融入到个性化推荐模型中。首先,利用个体背景因素漂移对推荐的数据进行预处理,使目标数据集定位更准确；其次,利用用户图书类型偏好,通过将用户图书评分矩阵转换为用户图书类型偏好矩阵,从而缓解用户数据的稀疏性；最后,采用人格特质兼容度,优化候选图书推荐集的排序,使用户对推荐结果的满意度更高。 第三,提出了衡量推荐结果满意度的评价指标。在收集用户对人格特质调查的结果的基础上,首先,确定了图书推荐集的大小；其次,在该数据推荐集大小基础上,对是否融入人格特质的两种推荐结果进行对比分析；最后,从用户总体满意度和平均排序准确度的分析,表明融入人格特质的个性化推荐算法在满意度上的优越性。
【关键词】：图书推荐系统 “大五”人格特质 个体背景因素漂移 图书类型偏好 人格特质兼容度
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：G250.71
【目录】：

• 摘要2-4
• ABSTRACT4-9
• 第一章 绪论9-15
• 1.1 研究背景与意义9-10
• 1.2 国内外研究现状10-12
• 1.3 本文研究内容及组织结构12-15
• 第二章 个性化推荐相关研究15-29
• 2.1 个性化推荐系统概述15
• 2.2 基于内容的推荐15-18
• 2.3 基于协同过滤技术的推荐18-25
• 2.3.1 协同过滤推荐算法概述18-19
• 2.3.2 基于用户的协同过滤推荐19-22
• 2.3.3 基于项目的协同过滤推荐22-23
• 2.3.4 基于降维的协同过滤推荐23-25
• 2.4 基于数据挖掘技术的推荐25-27
• 2.4.1 基于关联规则的推荐25-26
• 2.4.2 基于聚类的协同过滤推荐26-27
• 2.5 混合推荐27-28
• 2.6 本章小结28-29
• 第三章 基于“大五”人格模型的人格特质获取29-36
• 3.1 “大五”人格模型概述29-30
• 3.2 人格特质因素分析30-33
• 3.3 人格特质的度量33-34
• 3.4 图书阅读行为与人格特质的关系34-35
• 3.5 本章小结35-36
• 第四章 融入个体人格特质的个性化图书推荐模型构建36-50
• 4.1 基本思想36-37
• 4.2 模型构建37-46
• 4.2.1 基本定义37-38
• 4.2.2 个体背景因素漂移38-40
• 4.2.3 用户图书类型偏好40-41
• 4.2.4 人格特质兼容度41-43
• 4.2.5 融入个体人格特质的图书推荐模型43-46
• 4.3 模型算法描述46-48
• 4.3.1 数据更新策略47-48
• 4.4 本章小结48-50
• 第五章 面向用户图书阅读行为的实验分析50-59
• 5.1 实验数据50-53
• 5.1.1 用户人格特质调查结果50-53
• 5.2 评价指标53
• 5.3 实验结果及分析53-58
• 5.4 本章小结58-59
• 第六章 总结与展望59-61
• 6.1 总结59-60
• 6.2 展望60-61
• 参考文献61-65
• 附录1 攻读硕士学位期间发表的论文65
• 附录2 攻读硕士学位期间参与的项目65-66
• 致谢66-67

【参考文献】

中国期刊全文数据库 前7条

1 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

2 李聪;梁昌勇;杨善林;;电子商务协同过滤稀疏性研究:一个分类视角[J];管理工程学报;2011年01期

3 李杰;徐勇;王云峰;;面向大规模定制的个性化推荐研究[J];河北工业大学学报;2008年04期

4 张锋;常会友;;使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J];计算机研究与发展;2006年04期

5 李聪;梁昌勇;马丽;;基于领域最近邻的协同过滤推荐算法[J];计算机研究与发展;2008年09期

6 孙小华;陈洪;孔繁胜;;在协同过滤中结合奇异值分解与最近邻方法[J];计算机应用研究;2006年09期

7 李鹏飞;吴为民;;基于混合模型推荐算法的优化[J];计算机科学;2014年02期

  本文关键词：融入个体人格特质的个性化图书推荐模型研究，由笔耕文化传播整理发布。

本文编号：258634