發(fā)布時(shí)間：2021-12-23 07:14

　　隨著大數(shù)據(jù)應(yīng)用技術(shù)的發(fā)展,推薦系統(tǒng)有著廣泛越來(lái)越廣發(fā)的應(yīng)用。豆瓣網(wǎng)上的推薦系統(tǒng)會(huì)推薦符合用戶口味的書(shū)籍、電影;音樂(lè)應(yīng)用上會(huì)為客戶推薦最近聽(tīng)過(guò)的類似音樂(lè)。實(shí)現(xiàn)智能推薦系統(tǒng)最為核心的內(nèi)容便是推薦算法。目前推薦算法多是基于協(xié)同過(guò)濾或基于內(nèi)容方面,而在某些實(shí)際應(yīng)用當(dāng)中需要使用到標(biāo)簽數(shù)據(jù)。標(biāo)簽數(shù)據(jù)就是用戶對(duì)內(nèi)容的標(biāo)注。通過(guò)處理標(biāo)簽數(shù)據(jù)的推薦算法在通常的推薦系統(tǒng)中運(yùn)用還不多,但在一些專門(mén)的推薦系統(tǒng)中具有一定的優(yōu)勢(shì)。為了解決現(xiàn)有的基于標(biāo)簽推薦的算法在實(shí)際應(yīng)用中存在的問(wèn)題,本文在以下幾個(gè)方面進(jìn)行研究:首先,針對(duì)現(xiàn)有基于標(biāo)簽的推薦算法在數(shù)據(jù)集建模方面存在的問(wèn)題,構(gòu)建了一種無(wú)向加權(quán)圖模型。在模型中,頂點(diǎn)表示數(shù)據(jù)對(duì)象,邊則表示數(shù)據(jù)對(duì)象之間的行為,頂點(diǎn)屬性表示數(shù)據(jù)對(duì)象的特征�；诖四Ｐ�,本文提出了 VertexRank算法。接著,針對(duì)該圖模型僅僅記錄了數(shù)據(jù)對(duì)象間打標(biāo)簽的行為這一問(wèn)題,提出了記錄數(shù)據(jù)對(duì)象間標(biāo)簽出現(xiàn)次數(shù)的模型�；诖四Ｐ驮O(shè)計(jì)推薦算法TagBasedRank。將兩種模型得出的推薦列表進(jìn)行加權(quán)組合,提出CombinationRank綜合推薦算法。接著,由于上述的推薦算法處理的數(shù)據(jù)均是數(shù)據(jù)對(duì)象行為數(shù)據(jù),... 

【文章來(lái)源】：安徽理工大學(xué)安徽省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１大型應(yīng)用的基本架構(gòu)??Ｆｉｕｒｅ?２－１?Ｂａｓｉｃ?ａｒｃｈｉｔｅｃｔｕｒｅ?ｏｆ?ａ?ｌａｒｅ?ａｌｉｃａｔｉｏｎ??

?統(tǒng)的任務(wù)只是將推薦引擎的結(jié)果按照一定權(quán)重或者優(yōu)先級(jí)合并、排序然后??返回如下圖２－４所示。??ｉｍｍｍ??—辱鱗論一－Ｊ????圖２－４推薦系統(tǒng)的架構(gòu)圖??Ｆｉｇｕｒｅ?２－４?Ａｒｃｈｉｔｅｃｔｕｒｅ?ｏｆ?ｔｈｅ?ｒｅｃｏｍｍｅｎｄｅｄ?ｓｙｓｔｅｍ??對(duì)于每一個(gè)推薦任務(wù)，都由推薦引擎來(lái)實(shí)現(xiàn)，而推薦引擎的核心正是??各種滿足推薦任務(wù)的推薦算法，下面的小節(jié)將會(huì)介紹。從各種推薦算法中??我們還能得到該推薦算法的推薦原因，即推薦解釋。??２．２推薦算法??２．２．１協(xié)同過(guò)濾推薦技術(shù)??當(dāng)我們想了解商品、影片等推薦信息，我們可以向朋友們咨詢。通過(guò)??朋友的推薦我們可以獲得推薦信息，同時(shí)我們也可以了解朋友的偏好與自??己的偏好是否一致。不過(guò)隨著新信息越來(lái)越多，要想通過(guò)詢問(wèn)一小群人來(lái)??確定我們想要的東西，將會(huì)變得越來(lái)越不切實(shí)際，因?yàn)榕笥褌円膊涣私馑??（’”?數(shù)據(jù)集一?’）??＊Ｊ?、＇???—一

?統(tǒng)的任務(wù)只是將推薦引擎的結(jié)果按照一定權(quán)重或者優(yōu)先級(jí)合并、排序然后??返回如下圖２－４所示。??ｉｍｍｍ??—辱鱗論一－Ｊ????圖２－４推薦系統(tǒng)的架構(gòu)圖??Ｆｉｇｕｒｅ?２－４?Ａｒｃｈｉｔｅｃｔｕｒｅ?ｏｆ?ｔｈｅ?ｒｅｃｏｍｍｅｎｄｅｄ?ｓｙｓｔｅｍ??對(duì)于每一個(gè)推薦任務(wù)，都由推薦引擎來(lái)實(shí)現(xiàn)，而推薦引擎的核心正是??各種滿足推薦任務(wù)的推薦算法，下面的小節(jié)將會(huì)介紹。從各種推薦算法中??我們還能得到該推薦算法的推薦原因，即推薦解釋。??２．２推薦算法??２．２．１協(xié)同過(guò)濾推薦技術(shù)??當(dāng)我們想了解商品、影片等推薦信息，我們可以向朋友們咨詢。通過(guò)??朋友的推薦我們可以獲得推薦信息，同時(shí)我們也可以了解朋友的偏好與自??己的偏好是否一致。不過(guò)隨著新信息越來(lái)越多，要想通過(guò)詢問(wèn)一小群人來(lái)??確定我們想要的東西，將會(huì)變得越來(lái)越不切實(shí)際，因?yàn)榕笥褌円膊涣私馑??（’”?數(shù)據(jù)集一?’）??＊Ｊ?、＇???—一

【參考文獻(xiàn)】：
期刊論文
[1]協(xié)同過(guò)濾技術(shù)在電影推薦中的應(yīng)用[J]. 陳俊然.  電腦編程技巧與維護(hù). 2019(01)
[2]針對(duì)新用戶冷啟動(dòng)問(wèn)題的改進(jìn)Epsilon-greedy算法[J]. 王素琴,張洋,蔣浩,朱登明.  計(jì)算機(jī)工程. 2018(11)
[3]混合協(xié)同過(guò)濾算法中用戶冷啟動(dòng)問(wèn)題的研究[J]. 端德坤,傅秀芬.  計(jì)算機(jī)工程與應(yīng)用. 2017(21)
[4]模式識(shí)別中的圖結(jié)構(gòu)描述方法綜述[J]. 任鵬.  安徽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[5]基于用戶-標(biāo)簽-項(xiàng)目語(yǔ)義挖掘的個(gè)性化音樂(lè)推薦[J]. 李瑞敏,林鴻飛,閆俊.  計(jì)算機(jī)研究與發(fā)展. 2014(10)
[6]概率圖模型學(xué)習(xí)技術(shù)研究進(jìn)展[J]. 劉建偉,黎海恩,羅雄麟.  自動(dòng)化學(xué)報(bào). 2014(06)
[7]相似系統(tǒng)的分析與度量[J]. 周美立,王浣塵.  系統(tǒng)工程. 1996(04)

博士論文
[1]社會(huì)標(biāo)簽推薦技術(shù)與方法研究[D]. 靳延安.華中科技大學(xué) 2011
[2]協(xié)同過(guò)濾系統(tǒng)的稀疏性與冷啟動(dòng)問(wèn)題研究[D]. 孫小華.浙江大學(xué) 2005

碩士論文
[1]協(xié)同過(guò)濾推薦系統(tǒng)中的數(shù)據(jù)稀疏性及冷啟動(dòng)問(wèn)題研究[D]. 李曉菊.華東師范大學(xué) 2018



本文編號(hào)：3548038