目前的個(gè)性化推薦系統(tǒng)主要是針對(duì)用戶的歷史行為來(lái)評(píng)價(jià)用戶或項(xiàng)目之間的相似性,為用戶推薦相應(yīng)的項(xiàng)目。該類(lèi)方法雖然精確性很高,但是缺少探索性,不能在人們認(rèn)知過(guò)程中為用戶提供探索性的推薦,還面臨著冷啟動(dòng)及推薦解釋模糊等問(wèn)題。因此,本文結(jié)合關(guān)聯(lián)規(guī)則和形式概念分析,提出了一種基于模糊對(duì)象語(yǔ)言概念格的個(gè)性化推薦方法。主要研究成果如下:1、形式概念分析已被廣泛作為數(shù)據(jù)處理和知識(shí)發(fā)現(xiàn)的重要工具。針對(duì)經(jīng)典的形式背景無(wú)法處理語(yǔ)言值的問(wèn)題,提出語(yǔ)言概念形式背景,構(gòu)建語(yǔ)言概念格。為了進(jìn)行知識(shí)約簡(jiǎn),在粒計(jì)算的基礎(chǔ)上定義語(yǔ)言概念間的多粒度相似性關(guān)系,將語(yǔ)言概念集分為三個(gè)部分(即核心語(yǔ)言概念,不必要語(yǔ)言概念和相對(duì)必要語(yǔ)言概念)。以差別矩陣為基礎(chǔ),體現(xiàn)出模糊對(duì)象間的差異,并提出不完備語(yǔ)言概念形式背景的語(yǔ)言概念約簡(jiǎn)算法,用于解決推薦系統(tǒng)數(shù)據(jù)稀疏的問(wèn)題。2、針對(duì)語(yǔ)言概念形式背景中信息缺失的問(wèn)題,提出了一種基于模糊對(duì)象之間的貼近度來(lái)補(bǔ)全不完備語(yǔ)言概念形式背景的新算法�；诓紶柧仃嚭筒紶栆蜃臃治龅姆椒�,提出語(yǔ)言概念形式背景的語(yǔ)言概念知識(shí)約簡(jiǎn)算法,通過(guò)計(jì)算強(qiáng)制性語(yǔ)言概念知識(shí)的相似度,以達(dá)到提取語(yǔ)言概念知識(shí)基,減小語(yǔ)言概念格規(guī)模的...

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 形式概念分析方面的研究
        1.2.2 基于概念格屬性約簡(jiǎn)方面的研究
        1.2.3 認(rèn)知系統(tǒng)方面的研究
        1.2.4 基于概念格的關(guān)聯(lián)規(guī)則挖掘方面的研究
    1.3 本文研究?jī)?nèi)容
    1.4 文章結(jié)構(gòu)
2 預(yù)備知識(shí)
    2.1 語(yǔ)言術(shù)語(yǔ)集
    2.2 形式概念分析
3 語(yǔ)言概念形式背景下的知識(shí)約簡(jiǎn)方法
    3.1 語(yǔ)言概念形式背景
    3.2 不完備語(yǔ)言概念形式背景的多粒度語(yǔ)言概念約簡(jiǎn)方法
        3.2.1 不完備語(yǔ)言概念形式背景
        3.2.2 多粒度語(yǔ)言概念約簡(jiǎn)理論
        3.2.3 多粒度語(yǔ)言概念約簡(jiǎn)算法
        3.2.4 數(shù)值分析
        3.2.5 MGLCR算法的優(yōu)勢(shì)
    3.3 不完備語(yǔ)言概念形式背景的補(bǔ)全算法
    3.4 語(yǔ)言概念格的語(yǔ)言概念知識(shí)約簡(jiǎn)
        3.4.1 語(yǔ)言概念知識(shí)約簡(jiǎn)理論
        3.4.2 語(yǔ)言概念知識(shí)約簡(jiǎn)算法
        3.4.3 LCKR算法分析
        3.4.4 數(shù)值分析
        3.4.5 LCKR算法的優(yōu)勢(shì)
    3.5 本章小結(jié)
4 基于模糊對(duì)象語(yǔ)言概念格的個(gè)性化推薦方法
    4.1 模糊對(duì)象語(yǔ)言概念格
    4.2 基于模糊對(duì)象語(yǔ)言形式背景的協(xié)同過(guò)濾算法
        4.2.1 算法理論
        4.2.2 LFCLCF算法分析
    4.3 基于模糊對(duì)象語(yǔ)言概念格的認(rèn)知系統(tǒng)
    4.4 個(gè)性化推薦方法
    4.5 本章小結(jié)
5 仿真實(shí)驗(yàn)與分析
    5.1 個(gè)性化推薦方法設(shè)計(jì)
        5.1.1 方法框架
        5.1.2 個(gè)性化推薦算法設(shè)計(jì)
        5.1.3 LFCLAR算法分析
    5.2 仿真實(shí)驗(yàn)
        5.2.1 系統(tǒng)開(kāi)發(fā)環(huán)境
        5.2.2 推薦方法的實(shí)施
        5.2.3 數(shù)值分析
        5.2.4 LFCLAR算法的優(yōu)勢(shì)
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
附錄 A 帶有語(yǔ)言值信息的電影評(píng)價(jià)調(diào)查
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3772085