欢迎来到天天文库
浏览记录
ID:34713130
大小:5.41 MB
页数:81页
时间:2019-03-09
《基于社交网络与属性信息的推荐算法研究与应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文论文题目:基于社交网络与属性信息的推荐算法研究与应用作者姓名林振涛指导教师刘志教授学科专业计算机科学与技术培养类别全日制学术型硕士研究生所在学院计算机科学与技术学院提交日期2017年5月17日万方数据浙江工业大学硕士学位论文基于社交网络与属性信息的推荐算法研究与应用作者姓名:林振涛指导教师:刘志浙江工业大学计算机科学与技术学院2017年5月万方数据DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterResearchandApplicat
2、ionofRecommenderSystembasedonSocialNetworkandAttributeInformationCandidate:LinZhentaoAdvisor:LiuZhiCollegeofComputerScienceandTechnologyZhejiangUniversityofTechnologyMay2017万方数据浙江工业大学学位论文原创性声明本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的
3、研究成果,也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□,在一年解密后适用本授权书。2、保密□,在二
4、年解密后适用本授权书。3、保密□,在三年解密后适用本授权书。4、不保密□。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日万方数据浙江工业大学硕士学位论文基于社交网络与属性信息的推荐算法研究与应用摘要在信息过载的年代,用户想要从海量信息中找到感兴趣信息非常耗费精力。针对这个问题,推荐系统根据用户信息学习偏好,然后从海量信息中挖掘出用户感兴趣的信息推荐给用户。但在实际应用中,推荐系统存在着数据稀疏性、冷启动等问题,这些问题降低了推荐系统的推荐效果。针对这些问题,相关研究从增加多种辅助信息方面来缓解这个问题。本文对辅助
5、信息中的社交用户关系和属性信息方面进行研究,发现了一些现有研究存在的不足,针对这些不足之处,提出两种算法,并进行实验分析以证明算法的有效性。本文的主要工作和成果如下:1.在社交信息方面,提出了一种基于个体差异的社交融合方法。针对传统方法在评估社交用户信任值的不足,采用使用PCC、JACCARD的融合计算的评分相似度和社交朋友数量信息计算社交信任值。针对用户在决策时,受到自身兴趣和朋友兴趣的影响的个体差异,采用可变方式融合用户兴趣和朋友兴趣来预测用户对商品的评分,并使用相应正规项以避免过度拟合。实验结果表明该方法可以在一定程度上提升预测精度。
6、2.在属性信息方面,提出基于属性偏好自学习的推荐方法。针对社交网络中关系形成速度慢且获取难度高的问题,从属性信息方面来缓解数据稀疏性和冷启动问题。针对用户、商品协同过滤具有可解释性但运行速度慢、矩阵分解模型运行速度快但缺乏可解释性,采用用户对属性值的偏好程度和属性值对商品的评分来预测用户对商品的评分。实验结果表明该模型运行时间较快、且在评分数据稀疏的情况优于传统的协同过滤方法和基本矩阵分解模型。3.论文最后设计一个通用推荐系统。该系统使用评分数据、社交网络信息、属性信息来,根据用户信息的稀疏程度使用不同模型来缓解推荐系统存在的冷启动和数据稀
7、疏性问题。关键词:推荐系统,社交网络,社交融合,属性信息,属性偏好i万方数据浙江工业大学硕士学位论文RESEARCHANDAPPLICAITONOFRECOMMENDERSYSTEMSBASEDONSOCIALNETWORKANDATTRBIUEINFORMATIONABSTRACTIntheeraofinformationoverload,userscostsomuchtimetofindusefulinformationfromthemassiveinformation.Aimingatsolvingthisproblem,recomm
8、endersystemslearnuserpreferencefromuserinformationandthenmineinformationwhichuserinterest
此文档下载收益归作者所有