本文關(guān)鍵詞：基于標(biāo)簽的個性化推薦方法研究

  更多相關(guān)文章： 社會化標(biāo)簽 協(xié)同過濾 推薦系統(tǒng) 在線學(xué)習(xí)

【摘要】：21世紀(jì)各項技術(shù)的革新推動了網(wǎng)絡(luò)的高速發(fā)展,其最重要的特征就是迎來信息的爆炸式增長。在信息爆炸時代早期,出現(xiàn)了專家系統(tǒng)、分類目錄和搜索引擎等工具幫助用戶從海量信息中獲取有效信息。隨著信息量不斷的增加,傳統(tǒng)的工具無法再幫助用戶獲取有效信息,搭載協(xié)同過濾推薦技術(shù)的推薦系統(tǒng)為解決這一問題提供了一個新方法,由于其方法簡單以及無需關(guān)心被推薦項目實質(zhì)內(nèi)容,如今已經(jīng)被傳統(tǒng)的推薦系統(tǒng)廣泛采用。 社會化標(biāo)簽作為Web2.0時代重要產(chǎn)物之一,同時也已經(jīng)被很多系統(tǒng)所使用,由于用戶可以自由的使用任何標(biāo)簽對項目進(jìn)行組織和管理,使得標(biāo)簽成為了用戶和項目的紐帶,也因此通過分析標(biāo)簽數(shù)據(jù)能夠更全面的描述項目本質(zhì)和更好的體現(xiàn)用戶興趣偏好。 本文通過對傳統(tǒng)協(xié)同過濾推薦算法和標(biāo)簽系統(tǒng)的研究,設(shè)計了一種在線學(xué)習(xí)領(lǐng)域基于標(biāo)簽的推薦系統(tǒng),并針對傳統(tǒng)協(xié)同過濾推薦算法無法考慮用戶多興趣點進(jìn)行推薦這一問題,提出一種基于標(biāo)簽的推薦方法。首先通過挖掘標(biāo)簽數(shù)據(jù)中的隱式信息對目標(biāo)用戶可能存在的興趣進(jìn)行劃分,其次將目標(biāo)用戶每個興趣點分別與基于用戶的協(xié)同過濾推薦算法進(jìn)行結(jié)合,并分別產(chǎn)生出與目標(biāo)用戶相似的鄰居用戶,最后通過目標(biāo)用戶每個興趣點下鄰居用戶的記錄為其產(chǎn)生推薦結(jié)果,將每個興趣點產(chǎn)生的推薦結(jié)果合并得到最終推薦結(jié)果。 通過一定規(guī)則對Delicious公開數(shù)據(jù)集進(jìn)行預(yù)處理后,將本文提出的算法與基于用戶的協(xié)同過濾推薦算法進(jìn)行對比實驗,并使用推薦領(lǐng)域常用的準(zhǔn)確率和召回率作為評測指標(biāo)進(jìn)行評測,實驗結(jié)果表明利用標(biāo)簽數(shù)據(jù)可以為目標(biāo)用戶更好的產(chǎn)生推薦結(jié)果,并將基于標(biāo)簽的推薦方法引入設(shè)計的在線學(xué)習(xí)系統(tǒng)中,同時展示了學(xué)習(xí)系統(tǒng)的原型實現(xiàn),進(jìn)一步驗證了方法的可行性。
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 魯權(quán);王如龍;張錦;丁怡;;融合鄰域模型與隱語義模型的推薦算法[J];計算機工程與應(yīng)用;2013年19期

2 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

，

本文編號：1252080