本文關(guān)鍵詞：個(gè)性化推薦中關(guān)于專家用戶的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,信息爆炸的時(shí)代已經(jīng)到來,人們往往會(huì)遭受到很多無用信息帶來的困擾。個(gè)性化推薦系統(tǒng)的重要性逐漸凸顯出來,因?yàn)樗粌H可以幫人們過濾掉很多無用的信息,而且商家也可以通過虛擬營銷增加他們的收入。因此它吸引了很多來自工業(yè)界和學(xué)術(shù)界人士對(duì)個(gè)性化推薦算法的研究。近年來,隨著社交網(wǎng)絡(luò)的快速發(fā)展,基于社交網(wǎng)絡(luò)的個(gè)性化推薦算法已成為推薦領(lǐng)域的主要研究方向。冷啟動(dòng)和數(shù)據(jù)稀疏兩大問題是個(gè)性化推薦算法研究中不可避免的挑戰(zhàn),它們會(huì)嚴(yán)重影響推薦算法的整體性能。在基于社交網(wǎng)絡(luò)的個(gè)性化推薦算法研究中,人們往往將多種用戶之間的社會(huì)關(guān)系加入推薦算法,減輕用戶冷啟動(dòng)給個(gè)性化推薦帶來的不良影響。然而傳統(tǒng)方法大多使用的是用戶間的顯性關(guān)系,如朋友關(guān)系。實(shí)際上冷啟動(dòng)用戶很難有足夠多的顯性關(guān)系供算法學(xué)習(xí)。鑒于此,本文提出了將用戶間的隱性關(guān)系——專家關(guān)系用于個(gè)性化推薦,即利用冷啟動(dòng)用戶感興趣領(lǐng)域的專家來學(xué)習(xí)用戶偏好,主要工作分為兩部分：1)當(dāng)數(shù)據(jù)集中標(biāo)注了哪些是專家用戶時(shí),本文利用興趣圈中的朋友和專家優(yōu)化個(gè)性化推薦算法。興趣圈由訪問某一類別商品的用戶群及他們之間的社會(huì)關(guān)系構(gòu)成,不同用戶訪問同一類別商品表明他們對(duì)此類別具有相似興趣。算法通過設(shè)計(jì)朋友關(guān)系和專家關(guān)系的正則化項(xiàng)來約束矩陣分解目標(biāo)函數(shù),提高推薦的準(zhǔn)確度。并且在Yelp競賽的真實(shí)數(shù)據(jù)集上做了充分的實(shí)驗(yàn)來驗(yàn)證算法效果。2)在數(shù)據(jù)集中沒有給出專家用戶的情況下,首先根據(jù)信息傳播理論和用戶評(píng)分記錄提出了一種無監(jiān)督的專家發(fā)現(xiàn)方法。然后將發(fā)現(xiàn)的專家對(duì)用戶的影響融合到目標(biāo)函數(shù)中來優(yōu)化個(gè)性化推薦算法。最后在Yelp和Epinions兩個(gè)數(shù)據(jù)集上做了大量的實(shí)驗(yàn),驗(yàn)證算法對(duì)用戶評(píng)分預(yù)測的準(zhǔn)確度以及在冷啟動(dòng)用戶上算法預(yù)測的準(zhǔn)確度。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 興趣圈 專家 個(gè)性化推薦 冷啟動(dòng)用戶
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 研究背景11-12
• 1.2 個(gè)性化推薦研究及應(yīng)用12-15
• 1.2.1 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.2 個(gè)性化推薦的應(yīng)用14-15
• 1.3 研究動(dòng)機(jī)15
• 1.4 研究內(nèi)容15-16
• 1.5 本文組織結(jié)構(gòu)16-18
• 第2章 相關(guān)工作概述18-26
• 2.1 個(gè)性化推薦算法18-23
• 2.1.1 基于內(nèi)容的推薦算法18-19
• 2.1.2 基于關(guān)聯(lián)規(guī)則的推薦算法19-20
• 2.1.3 基于協(xié)同過濾的推薦算法20-22
• 2.1.4 基于社交網(wǎng)絡(luò)的推薦算法22-23
• 2.2 矩陣分解模型介紹23-25
• 2.2.1 基本矩陣分解23-24
• 2.2.2 概率矩陣分解24-25
• 2.3 本章小結(jié)25-26
• 第3章 基于興趣圈中社會(huì)關(guān)系的推薦算法26-40
• 3.1 用戶冷啟動(dòng)問題26-27
• 3.2 基于興趣圈的社會(huì)關(guān)系27-29
• 3.3 基于興趣圈的推薦算法29-32
• 3.3.1 基于興趣圈的基本矩陣分解29
• 3.3.2 基于朋友關(guān)系的正則化項(xiàng)設(shè)計(jì)29-30
• 3.3.3 基于專家關(guān)系的正則化項(xiàng)設(shè)計(jì)30-31
• 3.3.4 模型參數(shù)推導(dǎo)以及算法復(fù)雜度分析31-32
• 3.4 實(shí)驗(yàn)結(jié)果及分析32-38
• 3.4.1 數(shù)據(jù)集32-33
• 3.4.2 評(píng)價(jià)指標(biāo)33-34
• 3.4.3 對(duì)比實(shí)驗(yàn)34-38
• 3.5 本章小結(jié)38-40
• 第4章 基于無監(jiān)督專家發(fā)現(xiàn)的個(gè)性化推薦40-56
• 4.1 專家發(fā)現(xiàn)40-42
• 4.1.1 構(gòu)建社交網(wǎng)絡(luò)41
• 4.1.2 基于朋友關(guān)系和基于用戶相似性的專家發(fā)現(xiàn)41-42
• 4.2 基于專家發(fā)現(xiàn)的推薦算法42-45
• 4.2.1 無監(jiān)督專家的正則化項(xiàng)設(shè)計(jì)43-44
• 4.2.2 基于興趣圈的專家優(yōu)化推薦算法44
• 4.2.3 模型參數(shù)推導(dǎo)以及算法復(fù)雜度分析44-45
• 4.3 實(shí)驗(yàn)結(jié)果及分析45-54
• 4.3.1 數(shù)據(jù)集45-46
• 4.3.2 對(duì)比實(shí)驗(yàn)46-50
• 4.3.3 用戶冷啟動(dòng)實(shí)驗(yàn)50-52
• 4.3.4 模型參數(shù)分析52-54
• 4.4 本章小結(jié)54-56
• 第5章 工作總結(jié)及展望56-58
• 5.1 全文總結(jié)56-57
• 5.2 展望未來57-58
• 參考文獻(xiàn)58-62
• 致謝62-64
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時(shí)間序列性的推薦算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計(jì)算機(jī)應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進(jìn)[J];計(jì)算機(jī)應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

7 王文;;個(gè)性化推薦算法研究[J];電腦知識(shí)與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評(píng)價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號(hào)：258757