發(fā)布時(shí)間：2023-08-01 18:03

　　近年來(lái),隨著移動(dòng)互聯(lián)網(wǎng)應(yīng)用的快速發(fā)展和Web 2.0應(yīng)用的流行,個(gè)性化推薦系統(tǒng)在幫助用戶挖掘感興趣的內(nèi)容和幫助企業(yè)做產(chǎn)品推廣等方面發(fā)揮著越來(lái)越重要的作用。個(gè)性化推薦系統(tǒng)被廣泛地應(yīng)用于人們生活的方方面面,例如金融、資訊、社交、旅游、教育等等領(lǐng)域。目前有越來(lái)越多的研究學(xué)者致力于研究如何優(yōu)化推薦系統(tǒng)的準(zhǔn)確性、多樣性、新穎性等指標(biāo),以滿足各領(lǐng)域用戶越來(lái)越高的需求。在面向?qū)嶋H應(yīng)用的推薦系統(tǒng)中,針對(duì)推薦系統(tǒng)如何同時(shí)滿足準(zhǔn)確性、多樣性和新穎性這一研究目標(biāo),一個(gè)重要的研究分支就是基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法的相關(guān)研究。這類算法引起了研究學(xué)者的濃厚研究興趣,但是仍然存在一些問(wèn)題:(1)就優(yōu)化目標(biāo)而言,大多數(shù)推薦算法研究都集中在提高算法的準(zhǔn)確性上,而推薦質(zhì)量的多樣性、新穎性等指標(biāo)或多或少被忽略了;(2)個(gè)性化推薦系統(tǒng)的準(zhǔn)確性與多樣性(和新穎性)存在“此消彼長(zhǎng)”的難題;(3)基于網(wǎng)絡(luò)結(jié)構(gòu)的算法模型在準(zhǔn)確性和多樣性等表現(xiàn)上有所局限,需要利用其他算法的多樣性和新穎性等方面的優(yōu)勢(shì)。針對(duì)這些問(wèn)題,本文進(jìn)一步分析了用戶活躍度和物品流行度在推薦算法中的重要作用,對(duì)基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的類擴(kuò)散推薦算法的準(zhǔn)確性、多樣性和新穎...

【文章頁(yè)數(shù)】：117 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)的多樣性與新穎性研究進(jìn)展
        1.2.2 基于二部圖的類擴(kuò)散算法研究進(jìn)展
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 推薦系統(tǒng)基礎(chǔ)知識(shí)
    2.1 推薦系統(tǒng)的應(yīng)用
    2.2 推薦系統(tǒng)面臨的挑戰(zhàn)
    2.3 常用推薦算法
        2.3.1 基于記憶的協(xié)同過(guò)濾推薦算法
        2.3.2 基于網(wǎng)絡(luò)結(jié)構(gòu)的類擴(kuò)散推薦算法
        2.3.3 基于內(nèi)容的推薦算法
        2.3.4 基于模型的推薦算法
        2.3.5 混合推薦算法
    2.4 推薦系統(tǒng)的評(píng)價(jià)指標(biāo)
        2.4.1 評(píng)分預(yù)測(cè)準(zhǔn)確性指標(biāo)
        2.4.2 排序準(zhǔn)確性指標(biāo)
        2.4.3 多樣性和新穎性指標(biāo)
    2.5 本文所用實(shí)驗(yàn)數(shù)據(jù)集
        2.5.1 常用數(shù)據(jù)集
        2.5.2 自建數(shù)據(jù)集
    2.6 本章小結(jié)
第三章 Eh-系列算法:基于增強(qiáng)型RA相似度的類物質(zhì)擴(kuò)散算法
    3.1 問(wèn)題的提出
    3.2 類物質(zhì)擴(kuò)散算法步驟
    3.3 增強(qiáng)型RA相似度作用
    3.4 Eh-系列算法實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 ExTrA-系列算法:基于虛擬專家用戶提高推薦系統(tǒng)多樣性
    4.1 問(wèn)題的提出
    4.2 相關(guān)研究工作
    4.3 基于虛擬專家用戶的類物質(zhì)擴(kuò)散算法
        4.3.1 現(xiàn)有類物質(zhì)擴(kuò)散算法具體步驟
        4.3.2 什么樣的用戶可以作為虛擬專家用戶?
        4.3.3 基于虛擬專家用戶的類物質(zhì)擴(kuò)散算法步驟
        4.3.4 準(zhǔn)確性與多樣性的實(shí)例分析
    4.4 5種虛擬專家用戶選取方法
    4.5 算法對(duì)比實(shí)驗(yàn)結(jié)果
        4.5.1 多樣性對(duì)比實(shí)驗(yàn)結(jié)果
        4.5.2 新穎性對(duì)比實(shí)驗(yàn)結(jié)果
        4.5.3 數(shù)據(jù)集稀疏性的影響
        4.5.4 推薦列表長(zhǎng)度的影響
    4.6 本章小結(jié)
第五章 HI-系列算法:物質(zhì)擴(kuò)散與協(xié)同過(guò)濾的混合算法
    5.1 問(wèn)題的提出
    5.2 現(xiàn)有算法性能優(yōu)缺點(diǎn)分析
    5.3 物質(zhì)擴(kuò)散與協(xié)同過(guò)濾混合算法
        5.3.1 算法描述
        5.3.2 推薦性能提升情況
        5.3.3 算法性能隨推薦參數(shù)變化情況
    5.4 本章小結(jié)
第六章 Wikification:MOOC平臺(tái)學(xué)習(xí)資源推薦系統(tǒng)
    6.1 問(wèn)題的提出
    6.2 相關(guān)研究工作
    6.3 Wikification推薦系統(tǒng)設(shè)計(jì)
        6.3.1 數(shù)據(jù)預(yù)處理系統(tǒng)
        6.3.2 推薦系統(tǒng)
    6.4 Wikification推薦系統(tǒng)性能評(píng)測(cè)
        6.4.1 推薦準(zhǔn)確率
        6.4.2 關(guān)鍵短語(yǔ)覆蓋率
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 研究工作總結(jié)
    7.2 未來(lái)工作展望
附錄
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果



本文編號(hào)：3838092