协同推荐技术及其在科技文献个性化推荐系统中的应用研究
发布时间:2023-08-27 14:52
随着Internet技术的飞速发展,网络资源也飞速地增长着,科技文献电子资源作为Internet信息资源的重要组成部分也在急速地膨胀着。在这种背景之下,推荐系统应运而生,它根据用户的兴趣爱好推荐符合用户兴趣的对象,也称为个性化推荐系统。协同推荐是一种常用的减少信息过载的技术,已经成为了个性化推荐系统的一种主要工具。协同推荐的基本思想是通过参考与活动用户具有相似兴趣或者需求的其他用户的选择来决定如何为当前用户进行信息过滤产生推荐。 本文在研究和比较国内外学者提出的各种推荐方法的基础上,提出了两种协同推荐的方法,一种是在基于用户的协同推荐技术的基础上提出了一种基于本体概念和用户兴趣的协同推荐算法,该算法利用本体词表来获得用户的兴趣向量。另外一种是在基于模型的协同推荐技术的基础上提出了一种基于加权关联规则的协同推荐算法,该算法选择了资源的著录时间参数作为生成资源项目权重的参数。 最后将这两种协同推荐算法加以应用设计和实现了科技文献个性化信息推荐系统PIRS原型系统。该原型系统以军用飞机领域的科技文献作为推荐资源,根据推荐算法实现了基于用户兴趣特征的资源推荐和基于加权关联规则的资源推荐。
【文章页数】:71 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
目录
图表清单
1 绪论
1.1 研究背景
1.1.1 课题来源
1.1.2 研究动因
1.2 个性化推荐系统研究综述
1.2.1 推荐系统的概念
1.2.2 推荐系统的研究现状
1.1.3 推荐系统的分类
1.3 本文的研究意义和研究内容
1.3.1 研究意义
1.3.2 研究内容
1.4 本论文的章节安排
2 协同推荐技术概述
2.1 传统推荐技术—基于内容的推荐技术
2.2 协同推荐技术的基本思想
2.3 协同推荐技术的分类
2.4 协同推荐技术的局限性
2.5 协同推荐系统的组成
2.6 本章小结
3 基于用户兴趣特征的协同推荐研究
3.1 基于用户的协同推荐原理
3.2 用户相似性的计算方法
3.2.1 典型的相似性计算方法
3.2.2 其它相似度度量方法
3.3 基于用户兴趣特征的协同推荐技术
3.3.1 用户兴趣信息的收集
3.3.2 用户兴趣内容的表示
3.3.3 军用飞机领域本体OntoAvion介绍
3.3.4 基于本体概念和用户兴趣的协同推荐算法
3.4 本章小结
4 基于加权关联规则的协同推荐研究
4.1 基于模型的协同推荐原理
4.2 关联规则概述
4.3 经典关联规则的挖掘算法(Apriori算法)
4.3.1 发现频繁项集
4.3.2 Apriori算法
4.3.3 Apriori算法的改进
4.4 基于加权关联规则的协同推荐处理
4.4.1 加权关联规则的概念
4.4.2 协同推荐中加权关联规则的挖掘
4.4.3 基于加权关联规则的资源推荐
4.5 本章小结
5 协同推荐技术在个性化推荐系统PIRS中的实现
5.1 科技文献个性化推荐系统PIRS的体系结构
5.2 科技文献个性化推荐系统PIRS的主要模块设计
5.3 科技文献个性化推荐系统PIRS系统原型的开发
5.3.1 科技文献个性化推荐系统PIRS的开发平台与工具
5.3.2 科技文献个性化推荐系统PIRS的主要数据表结构
5.4 科技文献个性化推荐系统PIRS的运行界面
5.4.1 科技文献个性化推荐系统PIRS的前台交互界面
5.4.2 科技文献个性化推荐系统PIRS的后台处理界面
5.5 本章小结
6 结论与展望
6.1 本文主要内容总结
6.2 本文的创新点
6.3 进一步的工作
致谢
参考文献
附录A 攻读硕士学位期间发表的论文
本文编号:3844129
【文章页数】:71 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
目录
图表清单
1 绪论
1.1 研究背景
1.1.1 课题来源
1.1.2 研究动因
1.2 个性化推荐系统研究综述
1.2.1 推荐系统的概念
1.2.2 推荐系统的研究现状
1.1.3 推荐系统的分类
1.3 本文的研究意义和研究内容
1.3.1 研究意义
1.3.2 研究内容
1.4 本论文的章节安排
2 协同推荐技术概述
2.1 传统推荐技术—基于内容的推荐技术
2.2 协同推荐技术的基本思想
2.3 协同推荐技术的分类
2.4 协同推荐技术的局限性
2.5 协同推荐系统的组成
2.6 本章小结
3 基于用户兴趣特征的协同推荐研究
3.1 基于用户的协同推荐原理
3.2 用户相似性的计算方法
3.2.1 典型的相似性计算方法
3.2.2 其它相似度度量方法
3.3 基于用户兴趣特征的协同推荐技术
3.3.1 用户兴趣信息的收集
3.3.2 用户兴趣内容的表示
3.3.3 军用飞机领域本体OntoAvion介绍
3.3.4 基于本体概念和用户兴趣的协同推荐算法
3.4 本章小结
4 基于加权关联规则的协同推荐研究
4.1 基于模型的协同推荐原理
4.2 关联规则概述
4.3 经典关联规则的挖掘算法(Apriori算法)
4.3.1 发现频繁项集
4.3.2 Apriori算法
4.3.3 Apriori算法的改进
4.4 基于加权关联规则的协同推荐处理
4.4.1 加权关联规则的概念
4.4.2 协同推荐中加权关联规则的挖掘
4.4.3 基于加权关联规则的资源推荐
4.5 本章小结
5 协同推荐技术在个性化推荐系统PIRS中的实现
5.1 科技文献个性化推荐系统PIRS的体系结构
5.2 科技文献个性化推荐系统PIRS的主要模块设计
5.3 科技文献个性化推荐系统PIRS系统原型的开发
5.3.1 科技文献个性化推荐系统PIRS的开发平台与工具
5.3.2 科技文献个性化推荐系统PIRS的主要数据表结构
5.4 科技文献个性化推荐系统PIRS的运行界面
5.4.1 科技文献个性化推荐系统PIRS的前台交互界面
5.4.2 科技文献个性化推荐系统PIRS的后台处理界面
5.5 本章小结
6 结论与展望
6.1 本文主要内容总结
6.2 本文的创新点
6.3 进一步的工作
致谢
参考文献
附录A 攻读硕士学位期间发表的论文
本文编号:3844129
本文链接:https://www.wllwen.com/tushudanganlunwen/3844129.html