本文關(guān)鍵詞：基于時序行為的推薦算法研究

  更多相關(guān)文章： 時序行為 類型組合空間 隨機游走算法 往返時間 矩陣分解

【摘要】：如今,面對玲瑯滿目的互聯(lián)網(wǎng)資源,用戶難以快速找到所需信息。為了提高搜索效率、滿足用戶個性化需求,推薦系統(tǒng)應(yīng)運而生。推薦系統(tǒng)通過挖掘用戶的興趣愛好,給用戶推薦合適的產(chǎn)品。所以用戶的興趣是推薦算法進行推薦時的重要依據(jù),只有準確的把握用戶興趣,才能進行高效準確的推薦。然而,用戶興趣的獲取仍存在挑戰(zhàn):第一,用戶興趣多樣化,難以表示;第二,用戶的興趣會隨著時間發(fā)生改變,難以獲取。對此,研究者利用項目類型信息、隱主題、隱語意等表示用戶興趣,并且通過對時序信息建模,引入時間衰減函數(shù)和時間窗等方法解決興趣變化問題�；谝陨涎芯考按嬖趩栴},本文做了以下方面的工作:第一,針對用戶興趣難表示的問題,本文提出用項目的類型組合表示用戶的興趣。首先,本文根據(jù)項目具有的類型組合,建立類型組合空間。其次,根據(jù)類型組合在空間上的結(jié)構(gòu)關(guān)系和元素關(guān)系定義了類型組合之間的距離,以此來表示類型組合間的聯(lián)系。由類型組合表示用戶興趣既可以表示用戶興趣的多樣性,也可以體現(xiàn)不同興趣的關(guān)聯(lián)程度。第二,針對用戶興趣隨時間變化難以捕捉的問題,本文將用戶的時序行為抽象于圖模型中,并用隨機游走算法計算用戶對于類型組合的喜好程度。首先,根據(jù)類型組合距離,將用戶的時序信息劃分成興趣段。然后,結(jié)合興趣段體現(xiàn)的興趣變化情況,計算類型組合轉(zhuǎn)移矩陣。最后,進行個性化隨機游走,求得用戶的類型組合喜好。這樣既考慮到了用戶平穩(wěn)的興趣喜好情況,又考慮到了興趣變化情況,可以更好的捕捉用戶的興趣。第三,對于每一個用戶來說,他可能不會重復瀏覽同一個項目,但是卻可以重復瀏覽某種類型組合。針對這個特點,引入往返時間核函數(shù)來衡量兩個類型組合之間的跳轉(zhuǎn)難易程度,進而改進類型組合轉(zhuǎn)移矩陣。最后,利用矩陣分解模型進行評分預測,并生成推薦列表。本文針對MovieLens數(shù)據(jù)集進行了參數(shù)選擇實驗和對比實驗。結(jié)果表明,本文提出的算法在推薦精確度上有一定的提高。
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 燕彩蓉;張青龍;趙雪;黃永鋒;;基于廣義高斯分布的貝葉斯概率矩陣分解方法[J];計算機研究與發(fā)展;2016年12期

2 余永紅;高陽;王皓;;基于Ranking的泊松矩陣分解興趣點推薦算法[J];計算機研究與發(fā)展;2016年08期

3 冷亞軍;陸青;梁昌勇;;協(xié)同過濾推薦技術(shù)綜述[J];模式識別與人工智能;2014年08期

4 張引;陳敏;廖小飛;;大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J];計算機研究與發(fā)展;2013年S2期

5 孫光福;吳樂;劉淇;朱琛;陳恩紅;;基于時序行為的協(xié)同過濾推薦算法[J];軟件學報;2013年11期

6 王元卓;靳小龍;程學旗;;網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J];計算機學報;2013年06期

7 涂丹丹;舒承椿;余海燕;;基于聯(lián)合概率矩陣分解的上下文廣告推薦算法[J];軟件學報;2013年03期

8 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];軟件學報;2009年02期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 劉玉婷;網(wǎng)頁排序中的隨機模型及算法[D];北京交通大學;2009年

2 徐曉華;圖上的隨機游走學習[D];南京航空航天大學;2008年

，

本文編號：1291680