發(fā)布時間：2021-04-10 23:55

　　隨著物聯(lián)網(wǎng)的發(fā)展和大數(shù)據(jù)時代的到來,數(shù)據(jù)爆炸式增長導(dǎo)致信息過載等問題,使傳統(tǒng)的推薦系統(tǒng)逐漸轉(zhuǎn)型為個性化推薦系統(tǒng)。個性化推薦算法通過構(gòu)建用戶畫像和預(yù)測用戶行為來提供信息過濾和推薦服務(wù)。在以大數(shù)據(jù)為背景下的推薦系統(tǒng)中,領(lǐng)域推薦技術(shù)的數(shù)據(jù)構(gòu)成日趨復(fù)雜,呈現(xiàn)出海量異構(gòu)數(shù)據(jù)、數(shù)據(jù)特征缺失、數(shù)據(jù)特征異常和數(shù)據(jù)特征關(guān)聯(lián)等新特征。這些特征從問題規(guī)模、特征缺失程度、異常特征狀態(tài)和關(guān)聯(lián)關(guān)系等方面對推薦算法提出了新的需求和挑戰(zhàn)。為此,本文開展基于特征關(guān)聯(lián)的特征識別、預(yù)測與推薦算法研究。主要包含以下幾個方面:（1）特征關(guān)系的分類關(guān)聯(lián)規(guī)則啟發(fā)式挖掘算法與特征匹配算法�；诤Ａ繑�(shù)據(jù)隱藏的關(guān)聯(lián)關(guān)系,重點研究面向推薦算法的數(shù)據(jù)本身隱式的分類關(guān)聯(lián)規(guī)則。引入分類及連續(xù)的數(shù)據(jù)特征屬性并離散化,擴(kuò)展數(shù)據(jù)特征的二元表示,確保數(shù)據(jù)特征屬性的多樣性。為了挖掘數(shù)據(jù)中某些關(guān)聯(lián)特征,研究基于最小支持度的啟發(fā)式特征挖掘方法,發(fā)現(xiàn)關(guān)聯(lián)特征的頻繁性及構(gòu)建最優(yōu)特征子集�；跀�(shù)據(jù)特征頻繁項,研究基于最小置信度的啟發(fā)式分類關(guān)聯(lián)規(guī)則挖掘算法,為不同情景模式下,進(jìn)行基于分類關(guān)聯(lián)規(guī)則的特征匹配。利用機(jī)器學(xué)習(xí)庫中健康醫(yī)療情景實驗數(shù)據(jù)進(jìn)行實驗驗證與分析,驗證... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：131 頁

【學(xué)位級別】：博士

【部分圖文】：

IDC公司關(guān)于全球數(shù)據(jù)空間大小的年度預(yù)測報告Fig.1-1TheannualsizeoftheglobaldataspherefromIDCforecastreport

第1章緒論-17-成融合技術(shù)與系統(tǒng)開發(fā)（2012AA02A601）”。針對現(xiàn)有特征識別及預(yù)測和推薦算法在應(yīng)對特定情景環(huán)境下存在的問題，本文研究特定領(lǐng)域環(huán)境下的特征識別及預(yù)測和推薦算法問題，討論如何在特定領(lǐng)域不同數(shù)據(jù)特征場景下，根據(jù)已有數(shù)據(jù)特征關(guān)聯(lián)性及相應(yīng)的應(yīng)用環(huán)境需求，對特征識別及預(yù)測和推薦算法的模型構(gòu)建進(jìn)行合理的設(shè)計，以最大化滿足個性化推薦和特征識別準(zhǔn)確性。實現(xiàn)模型構(gòu)建的難點在于對于數(shù)據(jù)特征關(guān)聯(lián)性、數(shù)據(jù)特征缺失程度、數(shù)據(jù)特征異常范圍、數(shù)據(jù)特征稀疏性和異構(gòu)性的界定和預(yù)處理方式。為系統(tǒng)化的提高特征識別及預(yù)測和推薦算法的準(zhǔn)確率，本文提出基于特征關(guān)聯(lián)的特征識別及預(yù)測和推薦算法模型與框架，分別從特征關(guān)聯(lián)性、特征缺失性和特征異常性三方面入手，分情景加以解決。本文研究的背景、問題、內(nèi)容和方案如圖1-2所示。圖1-2本文主要研究內(nèi)容的體系架構(gòu)Fig.1-2Thearchitectureofmainresearchcontents算法的主要思路和具體研究內(nèi)容如下：（1）基于特征關(guān)系的分類關(guān)聯(lián)規(guī)則挖掘與特征匹配算法。通過貝葉斯網(wǎng)絡(luò)特征關(guān)系馬爾科夫獨立性推理分析，計算領(lǐng)域數(shù)據(jù)特征屬性隱藏的關(guān)聯(lián)關(guān)系。利用關(guān)聯(lián)性分析技術(shù)對數(shù)據(jù)特征屬性進(jìn)行頻繁特征項集挖掘，重點研究面向特征匹配和推薦的數(shù)據(jù)本身隱式的分類關(guān)聯(lián)規(guī)則。引入分類及連續(xù)的數(shù)據(jù)特征屬性擴(kuò)展數(shù)據(jù)特征的二元表示模式，確保數(shù)據(jù)特征項的多樣性。為了發(fā)掘數(shù)據(jù)中某些關(guān)聯(lián)特征，研究基于最小支持度的啟發(fā)式特征挖掘方法，發(fā)現(xiàn)關(guān)聯(lián)特征的頻繁性及構(gòu)建最優(yōu)特征子集�；跀�(shù)據(jù)特征頻繁項，研究基于最小置信度的啟發(fā)式分類關(guān)聯(lián)規(guī)則挖掘

第1章緒論-19-法；進(jìn)而提出針對數(shù)據(jù)特征缺失的特征識別策略；考慮到數(shù)據(jù)間的隱式反饋特性，提出基于加權(quán)用戶的協(xié)同過濾特征識別算法；為證明模型的有效性及可表征性，基于無向概率圖的馬爾科夫獨立性推理分析，給出面向預(yù)測的特征屬性模型的可表征理論證明；最后，提出基于隱式反饋的協(xié)同過濾預(yù)測算法。圖1-3論文主要研究內(nèi)容及其關(guān)系示意圖Fig.1-3Mainresearchcontentsandtheirrelationshipofthethesis第4章研究基于卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)異常特征識別與預(yù)測算法。在時序序列數(shù)據(jù)中，基于離散傅里葉變換將時序序列離散為頻域信號并進(jìn)行規(guī)則化處理；為保證推薦結(jié)果的完整性，基于線性基準(zhǔn)模型特征識別方法識別異常特征；研究數(shù)據(jù)的特征提取方法，為減小數(shù)據(jù)集的規(guī)模，采用深度學(xué)習(xí)技術(shù)對將復(fù)雜的圖模式數(shù)據(jù)降維處理，轉(zhuǎn)換成機(jī)器可識別的時頻序列數(shù)據(jù)，并基于神經(jīng)網(wǎng)絡(luò)模型，研究深層次的數(shù)據(jù)異常特征識別方法，使之能夠適應(yīng)時間序列數(shù)據(jù)前后依存的關(guān)系。第5章研究基于級聯(lián)加權(quán)的混合個性化推薦算法。首先，分析領(lǐng)域中不同情景模式下的用戶需求，提出基于分類樹的相似用戶發(fā)現(xiàn)算法，粗粒度計算相似用戶范圍；其次，根據(jù)篩選出的相似用戶列表，基于內(nèi)容的相似用戶發(fā)現(xiàn)算法，細(xì)粒度計算相似用戶；然后，基于關(guān)聯(lián)規(guī)則的個性化特征匹配算法，與細(xì)粒度的計算結(jié)果進(jìn)行加權(quán)計算，形成最終相似用戶推薦列表；最后，明確用戶的問題需求和優(yōu)化方法，提出基于多用戶的層次分析決策推薦形式化方法。最后給出結(jié)論，并提出進(jìn)一步的研究和展望。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機(jī)學(xué)報. 2018(07)
[2]跨媒體分析與推理:研究進(jìn)展與發(fā)展方向（英文）[J]. Yu-xin PENG,Wen-wu ZHU,Yao ZHAO,Chang-sheng XU,Qing-ming HUANG,Han-qing LU,Qing-hua ZHENG,Tie-jun HUANG,Wen GAO.  Frontiers of Information Technology & Electronic Engineering. 2017(01)
[3]面向隱式反饋的推薦系統(tǒng)研究現(xiàn)狀與趨勢[J]. 陸藝,曹健.  計算機(jī)科學(xué). 2016(04)
[4]滿足均勻分布的不確定數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法[J]. 陳愛東,劉國華,費凡,周宇,萬小妹,貟慧.  計算機(jī)研究與發(fā)展. 2013(S1)
[5]推薦系統(tǒng)評價指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報. 2012(02)
[6]中西醫(yī)結(jié)合治療方案對急性缺血性腦卒中患者神經(jīng)功能缺損和致殘結(jié)局的影響[J]. 謝仁明,陳紅霞,謝雁鳴,郭友華,馮碧君,歐海寧,詹樂昌,張麗萍.  中國中西醫(yī)結(jié)合雜志. 2011(09)
[7]中國成人血脂異常防治指南（2007）概要與解讀[J]. 許海燕,頊志敏,陸宗良.  中華老年心腦血管病雜志. 2008(03)



本文編號：3130564