本文關(guān)鍵詞：基于協(xié)同過(guò)濾的學(xué)術(shù)推薦研究

  更多相關(guān)文章： 用戶(hù)興趣模型 協(xié)同過(guò)濾 興趣預(yù)測(cè) 學(xué)術(shù)推薦

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展，Internet上的信息呈現(xiàn)爆炸式增長(zhǎng)，而學(xué)術(shù)數(shù)據(jù)庫(kù)中的內(nèi)容更是信息量巨大，用戶(hù)在搜索想要的文章時(shí)，往往難以快速，準(zhǔn)確的獲取想要的信息。大大加重了用戶(hù)對(duì)獲取知識(shí)的認(rèn)知負(fù)擔(dān)�，F(xiàn)存的搜索引擎越來(lái)越難以滿(mǎn)足用戶(hù)的需求，個(gè)性化服務(wù)應(yīng)運(yùn)而生。雖然現(xiàn)存了很多個(gè)性化服務(wù)，但是對(duì)于學(xué)術(shù)上的個(gè)性化研究還很少。本文主要研究的是基于協(xié)同過(guò)濾技術(shù)的學(xué)術(shù)推薦，滿(mǎn)足用戶(hù)信息搜索個(gè)性化需求。 本文提出了基于協(xié)同過(guò)濾技術(shù)來(lái)進(jìn)行學(xué)術(shù)推薦的方法。首先對(duì)現(xiàn)存的推薦技術(shù)進(jìn)行綜述，，并且分析其優(yōu)缺點(diǎn)。在學(xué)術(shù)推薦中，如何精確的對(duì)用戶(hù)興趣的預(yù)測(cè)是一個(gè)關(guān)鍵的問(wèn)題，所以需要對(duì)用戶(hù)興趣模型構(gòu)建的各個(gè)步驟進(jìn)行詳細(xì)的介紹，分析每一步每一種方法的優(yōu)缺點(diǎn)，進(jìn)而選取本文的構(gòu)建方法。通過(guò)本文的方法基于概念和概念間關(guān)系構(gòu)建用戶(hù)興趣模型。在此模型的基礎(chǔ)上，本文不僅僅依賴(lài)于概念，而是將概念相似度和概念間關(guān)系相似度融合，發(fā)現(xiàn)協(xié)同用戶(hù)。 其次對(duì)概念權(quán)重進(jìn)行調(diào)整后重新構(gòu)建用戶(hù)興趣模型。在調(diào)整權(quán)重的過(guò)程中考慮用戶(hù)瀏覽內(nèi)容的連續(xù)性特征，這對(duì)發(fā)現(xiàn)協(xié)同用戶(hù)是很有幫助的�；谛碌呐d趣模型，將大于閾值的概念選為關(guān)鍵概念，同時(shí)將所有的候選用戶(hù)通過(guò)重新計(jì)算概念權(quán)重重新進(jìn)行定義�；陉P(guān)鍵概念發(fā)現(xiàn)協(xié)同用戶(hù)可以提高協(xié)同用戶(hù)的發(fā)現(xiàn)效率。 最后，將所有協(xié)同用戶(hù)的瀏覽內(nèi)容基于語(yǔ)義進(jìn)行組織，并根據(jù)權(quán)重從中抽取相關(guān)的概念，計(jì)算的概念的信息質(zhì)量作為評(píng)估標(biāo)準(zhǔn)，選取信息質(zhì)量高的概念作為被預(yù)測(cè)用戶(hù)興趣的語(yǔ)義表示。在本文中，在計(jì)算信息質(zhì)量時(shí)是基于概念間的語(yǔ)義關(guān)系的，這樣能保證預(yù)測(cè)的精確性。然后通過(guò)實(shí)驗(yàn)來(lái)證明本文提出的方法的正確性和有效性。
【關(guān)鍵詞】：用戶(hù)興趣模型 協(xié)同過(guò)濾 興趣預(yù)測(cè) 學(xué)術(shù)推薦
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 緒論11-21
• 1.1 研究背景11-13
• 1.2 研究的目的和意義13-14
• 1.3 國(guó)內(nèi)外研究概況14-19
• 1.3.1 基于協(xié)同過(guò)濾的推薦策略14-15
• 1.3.2 基于內(nèi)容的推薦策略15-17
• 1.3.3 基于人口統(tǒng)計(jì)學(xué)的推薦17-18
• 1.3.4 混合的推薦機(jī)制18
• 1.3.5 基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦18-19
• 1.4 論文的主要研究?jī)?nèi)容19-20
• 1.5 本文的組織結(jié)構(gòu)20
• 1.6 本章小結(jié)20-21
• 第二章 用戶(hù)興趣模型研究21-32
• 2.1 用戶(hù)興趣的獲取21-24
• 2.1.1 興趣獲取方法21-22
• 2.1.2 本文的獲取方法22-24
• 2.2 用戶(hù)興趣的表示24-28
• 2.2.1 興趣表示方法24-26
• 2.2.2 概念和概念關(guān)系表示26-28
• 2.3 用戶(hù)模型的構(gòu)建28-30
• 2.3.1 模型構(gòu)建方法28-29
• 2.3.2 自動(dòng)建模方法29-30
• 2.4 用戶(hù)興趣的預(yù)測(cè)30-31
• 2.4.1 興趣預(yù)測(cè)方法30
• 2.4.2 協(xié)同過(guò)濾預(yù)測(cè)方法30-31
• 2.5 本章小結(jié)31-32
• 第三章 協(xié)同過(guò)濾技術(shù)研究32-40
• 3.1 傳統(tǒng)協(xié)同過(guò)濾方法32-34
• 3.1.1 基于用戶(hù)的協(xié)同過(guò)濾32-33
• 3.1.2 基于項(xiàng)目的協(xié)同過(guò)濾33-34
• 3.1.3 基于模型的協(xié)同過(guò)濾34
• 3.2 基于用戶(hù)的協(xié)同過(guò)濾34-37
• 3.2.1 基于用戶(hù)的協(xié)同過(guò)濾推薦的實(shí)現(xiàn)步驟34-36
• 3.2.2 傳統(tǒng)基于用戶(hù)協(xié)同過(guò)濾利弊分析36-37
• 3.3 協(xié)同過(guò)濾技術(shù)實(shí)現(xiàn)37-39
• 3.3.1 數(shù)據(jù)結(jié)構(gòu)37-38
• 3.3.2 計(jì)算相似度38-39
• 3.4 本章小結(jié)39-40
• 第四章 基于協(xié)同過(guò)濾的學(xué)術(shù)推薦40-47
• 4.1 學(xué)術(shù)推薦方法40-41
• 4.1.1 構(gòu)建用戶(hù)興趣模型40
• 4.1.2 發(fā)現(xiàn)協(xié)同用戶(hù)40
• 4.1.3 預(yù)測(cè)用戶(hù)興趣40-41
• 4.1.4 學(xué)術(shù)推薦41
• 4.2 構(gòu)建用戶(hù)興趣模型41-42
• 4.3 發(fā)現(xiàn)協(xié)同用戶(hù)42-45
• 4.3.1 用戶(hù)興趣模型更新42-44
• 4.3.2 發(fā)現(xiàn)協(xié)同用戶(hù)44-45
• 4.4 預(yù)測(cè)用戶(hù)興趣45-46
• 4.5 本章小結(jié)46-47
• 第五章 實(shí)驗(yàn)47-61
• 5.1 實(shí)驗(yàn)平臺(tái)介紹47-49
• 5.1.1 實(shí)驗(yàn)平臺(tái)環(huán)境47
• 5.1.2 實(shí)驗(yàn)平臺(tái)組成部分47-49
• 5.2 學(xué)術(shù)推薦實(shí)驗(yàn)平臺(tái)設(shè)計(jì)49-60
• 5.2.1 實(shí)驗(yàn)數(shù)據(jù)49-50
• 5.2.2 文本預(yù)處理50
• 5.2.3 閾值的確定50-53
• 5.2.4 用戶(hù)興趣模型的構(gòu)建53-54
• 5.2.5 協(xié)同用戶(hù)發(fā)現(xiàn)結(jié)果分析54-57
• 5.2.6 調(diào)整權(quán)重的必要性驗(yàn)證57
• 5.2.7 預(yù)測(cè)用戶(hù)興趣57-59
• 5.2.8 學(xué)術(shù)推薦59-60
• 5.3 本章小結(jié)60-61
• 第六章 總結(jié)與展望61-63
• 6.1 總結(jié)61-62
• 6.2 展望62-63
• 參考文獻(xiàn)63-68
• 作者在攻讀碩士學(xué)位期間公開(kāi)發(fā)表的論文68-69
• 作者在攻讀碩士學(xué)位期間所作的項(xiàng)目69-70
• 致謝70

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 趙亮,胡乃靜,張守志;個(gè)性化推薦算法設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2002年08期

2 曾春,邢春曉,周立柱;基于內(nèi)容過(guò)濾的個(gè)性化搜索算法[J];軟件學(xué)報(bào);2003年05期

3 李鳳慧;基于用戶(hù)瀏覽行為挖掘的電子商務(wù)個(gè)性化推薦系統(tǒng)[J];濰坊學(xué)院學(xué)報(bào);2004年02期

4 耿冬;葉飛躍;林國(guó)俊;鄭國(guó)良;;基于語(yǔ)義的垂直搜索引擎搜索策略研究[J];微計(jì)算機(jī)信息;2009年33期

5 郭新明;弋改珍;;混合模型的用戶(hù)興趣漂移算法[J];智能系統(tǒng)學(xué)報(bào);2010年02期

本文編號(hào)：1076318