【摘要】：近年來(lái)，隨著互聯(lián)網(wǎng)迅速發(fā)展及智能手機(jī)、相機(jī)等個(gè)人電子設(shè)備的迅速普及，大量信息被上載到互聯(lián)網(wǎng)。互聯(lián)網(wǎng)信息的快速增長(zhǎng)，產(chǎn)生了信息疲勞的問(wèn)題。人們每天面對(duì)海量數(shù)據(jù)，卻難以從這些數(shù)據(jù)中快速獲取自身需要的信息，而往往被各類垃圾信息所包圍。人們迫切需要一種方式能夠主動(dòng)地、便利地、準(zhǔn)確地獲取并處理信息。 推薦系統(tǒng)正是解決這一問(wèn)題的最新嘗試之一，并成為近幾年的研究的熱點(diǎn)。這種系統(tǒng)通過(guò)主動(dòng)或是被動(dòng)地獲取用戶的各類信息，如對(duì)項(xiàng)目的評(píng)分，，或是訪問(wèn)的網(wǎng)頁(yè)、搜索的關(guān)鍵詞、點(diǎn)擊的鏈接等數(shù)據(jù)，主動(dòng)推斷用戶的偏好，并向用戶提供用戶需要的信息。然而，現(xiàn)有推薦系統(tǒng)在精確度、功能、適用范圍等方面仍然不能完全滿足用戶的需求，新的推薦系統(tǒng)及推薦算法仍在不斷涌現(xiàn)。 基于上述背景，本文對(duì)推薦系統(tǒng)的研究現(xiàn)狀及發(fā)展進(jìn)行了研究，重點(diǎn)關(guān)注推薦系統(tǒng)的評(píng)價(jià)以及基于社交網(wǎng)絡(luò)的推薦系統(tǒng)兩個(gè)方面，并提出了一些改進(jìn)算法，取得了一定成果。 本文主要包括以下內(nèi)容：一是研究了推薦系統(tǒng)的評(píng)價(jià)方法，分析了現(xiàn)有方法中存在的誤差及其對(duì)系統(tǒng)性能的影響。提出了一種基于分離因素法的推薦精度評(píng)價(jià)算法，并對(duì)算法進(jìn)行了分析。基于KDD Cup2012Track2數(shù)據(jù)對(duì)相關(guān)算法進(jìn)行了仿真實(shí)驗(yàn)，得到了搜索引擎中顯示在不同位置廣告，對(duì)用戶相對(duì)吸引力數(shù)值。二是研究了在社交網(wǎng)絡(luò)中推薦系統(tǒng)的作用及實(shí)現(xiàn)方法，并提出一種信任傳遞及聚合機(jī)制，用于度量社交網(wǎng)絡(luò)中原本不是好友的兩人之間的相關(guān)程度。同時(shí)，給出一種算法快速計(jì)算一個(gè)用戶與其它用戶之間的相關(guān)程度，進(jìn)而快速給出推薦結(jié)果。基于KDD Cup2012Track1數(shù)據(jù)對(duì)算法進(jìn)行了仿真實(shí)驗(yàn)，并給出了分析結(jié)果。
[Abstract]:In recent years, with the rapid development of the Internet and the rapid popularity of personal electronic devices such as smartphones and cameras, a large number of information has been uploaded to the Internet. The rapid growth of Internet information has caused the problem of information fatigue. People face huge amounts of data every day, but it is difficult to get the information they need quickly from these data, and they are often surrounded by all kinds of junk information. There is an urgent need for a way to access and process information actively, conveniently and accurately. Recommendation system is one of the latest attempts to solve this problem, and has become a hot research topic in recent years. This system actively infer user preferences by actively or passively obtaining user information, such as scoring items, visiting web pages, searching keywords, clicking links, and so on. And provide users with the information they need. However, the existing recommendation systems still can not meet the needs of users in the aspects of accuracy, function and application scope, and new recommendation systems and recommendation algorithms are still emerging. Based on the above background, this paper studies the status quo and development of recommendation system, focusing on the evaluation of recommendation system and the recommendation system based on social network, and puts forward some improved algorithms, which have achieved some results. The main contents of this paper are as follows: firstly, the evaluation methods of recommendation system are studied, and the errors in the existing methods and their effects on the system performance are analyzed. A recommendation accuracy evaluation algorithm based on separation factor method is proposed, and the algorithm is analyzed. Based on the KDD Cup2012Track2 data, the relevant algorithms are simulated, and the relative attractiveness value of the ads displayed in different locations in the search engine is obtained. Secondly, the function and implementation of recommendation system in social network are studied, and a mechanism of trust transfer and aggregation is proposed to measure the correlation between two people who are not friends in social network. At the same time, an algorithm is presented to calculate the correlation between one user and other users, and then the recommendation results are given quickly. The algorithm is simulated based on KDD Cup2012Track1 data, and the analysis results are given.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP391.3

【共引文獻(xiàn)】

相關(guān)期刊論文 前7條

1 汪秉宏;周濤;周昌松;;人類行為、復(fù)雜網(wǎng)絡(luò)及信息挖掘的統(tǒng)計(jì)物理研究[J];上海理工大學(xué)學(xué)報(bào);2012年02期

2 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

3 李磊;王丁丁;朱順痣;李濤;;Personalized News Recommendation:A Review and an Experimental Investigation[J];Journal of Computer Science & Technology;2011年05期

4 吳逸明;;融合的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)與現(xiàn)代化;2011年06期

5 艾斯特;;基于SOA的混合個(gè)性化推薦平臺(tái)研究[J];情報(bào)理論與實(shí)踐;2012年05期

6 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

7 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

相關(guān)博士學(xué)位論文 前10條

1 張寅;個(gè)性化技術(shù)及其在數(shù)字圖書(shū)館中應(yīng)用的研究[D];浙江大學(xué);2009年

2 蒲海濤;物聯(lián)網(wǎng)環(huán)境下基于上下文感知的智能交互關(guān)鍵技術(shù)研究[D];山東科技大學(xué);2011年

3 方育柯;集成學(xué)習(xí)理論研究及其在個(gè)性化推薦中的應(yīng)用[D];電子科技大學(xué);2011年

4 李曉;自適應(yīng)人機(jī)交互界面研究[D];西南師范大學(xué);2004年

5 張程;面向服務(wù)環(huán)境中服務(wù)的個(gè)性化推薦[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

6 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

7 張磊;基于本體的主動(dòng)式知識(shí)系統(tǒng)及其若干關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2006年

8 李濤;推薦系統(tǒng)中若干關(guān)鍵問(wèn)題研究[D];南京航空航天大學(xué);2009年

9 鎮(zhèn)璐;基于知識(shí)網(wǎng)格的知識(shí)供應(yīng)理論與技術(shù)[D];上海交通大學(xué);2008年

10 張磊;個(gè)性化推薦和搜索中若干關(guān)鍵問(wèn)題的研究[D];北京郵電大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 李春;協(xié)同過(guò)濾推薦算法的研究[D];湘潭大學(xué);2010年

2 韓璐;針對(duì)推薦系統(tǒng)中信息共享需求下隱私保護(hù)機(jī)制的研究與實(shí)現(xiàn)[D];華東師范大學(xué);2011年

3 鮑光余;基于潛在語(yǔ)義分析的農(nóng)戶個(gè)性化推薦系統(tǒng)[D];海南大學(xué);2011年

4 路華;小眾推薦技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2011年

5 韓增義;科技論文推薦系統(tǒng)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

6 焦晨斌;協(xié)同過(guò)濾算法在電子商務(wù)推薦系統(tǒng)的研究[D];鄭州大學(xué);2011年

7 寇艷艷;電子商務(wù)推薦系統(tǒng)中用戶聚類問(wèn)題與用戶興趣變化問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

8 王金輝;基于標(biāo)簽的協(xié)同過(guò)濾稀疏性問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

9 杜定宇;基于特征向量的個(gè)性化推薦算法研究[D];重慶大學(xué);2011年

10 唐小宇;基于論文關(guān)鍵詞聚類的用戶興趣模型細(xì)化方法研究[D];山東科技大學(xué);2011年

本文編號(hào)：2164441