隨著移動(dòng)互聯(lián)網(wǎng)、無(wú)線(xiàn)傳感等技術(shù)的快速發(fā)展以及智能終端設(shè)備的廣泛普及,數(shù)據(jù)正以難以置信的速度飛速增長(zhǎng)。對(duì)廣大用戶(hù)而言,面臨如何才能從海量數(shù)據(jù)中找到自己真正感興趣的信息的問(wèn)題。個(gè)性化推薦系統(tǒng)是截至目前解決上述信息過(guò)載問(wèn)題的最行之有效的手段。個(gè)性化推薦系統(tǒng)借助于用戶(hù)的歷史數(shù)據(jù)來(lái)預(yù)測(cè)用戶(hù)的偏好,從而主動(dòng)為用戶(hù)推薦滿(mǎn)足他們個(gè)體偏好的信息。傳統(tǒng)的個(gè)性化推薦技術(shù)忽略了用戶(hù)所處情境信息對(duì)推薦結(jié)果的影響,而在現(xiàn)實(shí)生活中,用戶(hù)所處情境（如時(shí)間、地點(diǎn)等信息）對(duì)用戶(hù)的選擇行為有非常大的影響,如用戶(hù)一般都不會(huì)選擇在冬天去購(gòu)買(mǎi)體恤衫,用戶(hù)也通常會(huì)選擇附近的餐館就餐。顯然,融合額外的情境信息能夠極大地提高個(gè)性化推薦的準(zhǔn)確度。本文對(duì)融合情境信息的個(gè)性化推薦方法進(jìn)行了較為深入地研究,主要研究成果如下:（1）提出了一種基于概率矩陣分解的時(shí)間敏感個(gè)性化推薦方法。該方法首先定義并構(gòu)建了一個(gè)用戶(hù)-情境矩陣;然后,通過(guò)挖掘用戶(hù)-情境矩陣中用戶(hù)間隱含的關(guān)系,提出了一個(gè)新的基于用戶(hù)-情境矩陣的時(shí)間依賴(lài)性用戶(hù)相似性度量方法;在此基礎(chǔ)上,構(gòu)建了一個(gè)基于情境感知的用戶(hù)相似矩陣;最后,將基于情境感知的用戶(hù)相似矩陣融合到概率矩陣分解模型中。實(shí)... 

【文章來(lái)源】：天津理工大學(xué)天津市

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于用戶(hù)的協(xié)同過(guò)濾推薦②搜索最近鄰集合

圖 2-2 基于物品的協(xié)同過(guò)濾推薦境感知推薦相關(guān)理論境感知推薦就是在推薦的過(guò)程中融合情境信息，這些情境信息包括用戶(hù)所處的點(diǎn)、用戶(hù)的心情、天氣狀況等。這些情境信息會(huì)影響用戶(hù)的選擇，從而影響推性能，所以充分挖掘并有效利用情境信息將會(huì)極大的提高推薦系統(tǒng)的整體性

圖 2-2 基于物品的協(xié)同過(guò)濾推薦薦相關(guān)理論就是在推薦的過(guò)程中融合情境信息，這些情境信息包心情、天氣狀況等。這些情境信息會(huì)影響用戶(hù)的選擇充分挖掘并有效利用情境信息將會(huì)極大的提高推薦系


本文編號(hào)：3128735