资源描述：
《个性化推荐系统应用及研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、个性化推荐系统应用及研究中国科学技术大学硕士学位论文个性化推荐系统应用及研究姓名:杨杰申请学位级别:硕士专业:计算机应用技术指导教师:陈恩红20090501摘要摘要为人们提供了极其丰富的信息资源,在这些海量、异构的信息资源中蕴含着具有巨大潜在价值的知识。但是,面对信息的汪洋大海,人们往往感到无所适从,出现了所谓的“信息过载和“信息迷向”的现象。根据用户访问项目的历史记录以及项目之间的相关信息可以构建用户的兴趣模型,从而凭借该用户兴趣模型对繁杂的信息进行过滤,并向用户推荐其可能感兴趣的项目,这就是个性化推荐系统所做的事情。事实上,推荐系统已经成为目前解决信
2、息过载最有效的工具之一。针对个性化推荐系统存在的用户兴趣漂移问题,本文提出了基于网络稠密度的用户兴趣漂移检测方法,并利用该方法设计了包裹一般推荐系统的方法,该方法能在快速检测用户兴趣漂移的同时去除噪声用户对推荐系统的影响,提高推荐系统的精确度和稳定性。并以科技论文在线推荐系统为研究背景,设计了基于网络结构的快速论文推荐算法,并把该算法应用到中国科技论文在线的实际数据上,实现了一个论文在推荐系统网站。主要工作如下:提出了一种能够适用于推荐系统的基于项目相似网络结构的兴趣漂移快速检测算法。该算法根据用户已访问的项目构建相似网络,并以该网络的稠密度和连续度为依
3、据去除噪声用户,同时依据稠密度的变化来检测兴趣漂移的发生与否和发生时刻。由于用户访问项目网络一般较小,计算量大大缩减,实现了在快速检测兴趣漂移的同时,避免了噪声用户数据对推荐系统稳定性的’影响。把基于用户访问项目网络稠密度的兴趣漂移检测算法应用到推荐系统,用以解决用户兴趣漂移对推荐系统性能影响的问题。为此,本文实现了基于内容和基于协同过滤两种基本的推荐算法。为验证本文兴趣漂移检测算法应用到推荐系统中的有效性,我们在提供的用户对电影评分数据集上,引入模拟的用户兴趣漂移数据、实验结果表明,我们的兴趣漂移检测算法可以有效减少用户兴趣漂移对推荐系统带来的干扰,提
4、高了推荐性能。将推荐系统应用到教育部科技发展中心支持的科技论文共享网站的用户个性化服务项目中,完成推荐系统在中国科技论文在线网站数据上的实际应用。在该项目中,完成了用户行为记录、用户兴趣建模、和论文推荐三个模块,实现了基于论文关键词、基于论文分类和关键词、以及基于用户一论文网络结构的三种推荐方法。结果表明,三种方法能有效推荐用户感兴趣的论文。关键词:推荐系统兴趣漂移用户建模个性化服务.,,.“”.,,.,,..,,.’.,,:..,.,.,.、,,..、.,:,...,:,,中国科学技术大学学位论文原创性和授权使用声明本人声明所呈交的学位论文是本人在导师
5、指导下进行研究工作所取得的成果。除己特别加以标注和致谢的地方外,论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。本人授权中国科学技术大学拥有学位论文的部分使用权,即:学校有权按有关规定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,可以将学位论文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、汇编学位论文。保密的学位论文在解密后也遵守此规定。作者签名:篮垄。矽年,月≯日乃红’弘≯第章绪论第章绪论.推荐系统的研究意义随着的迅猛发展,接入的服务器数量和上的网页
6、的数目都呈现出指数增长的趋势。互联网技术的迅速发展使得我们可以接触到海量的信息,例如,上有数万部电影,上有数百万本书籍,..上有超过亿的网页收藏,淘宝网上有数千万以上的各类商品,如此多的信息即使浏览一遍都无法做到,用户希望能找到感兴趣的部分更是不可能的。传统的搜索算法只能呈现给所有用户一样的排序结果,无法针对不同用户的兴趣爱好提供相应的服务。信息的爆炸使得信息的利用率反而降低,这种现象被称之为“信是为解息过载”。个性化推荐系统,,,决上的信息过载问题而提出的一种智能代理系统,能从的大量信息中向用户自动推荐出符合其兴趣偏好或需求的资源。以电子商务推荐系统为
7、例,它是指利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。其作用主要表现在三个方面:将电子商务网站的浏览者转变为购买者;提高电子商务网站的交叉销售能力;提高客户对电子商务网站的忠诚度。对于其他站点来说,个性化推荐系统也有类似的作用,它们区分不同的用户或用户群,根据他们的偏好定制推荐项目,从而改善用户体验,并吸引更多用户。推荐问题从根本上来说就是代替用户评估他从未看过的产品,这些产品包括书籍、电影、、网页、甚至可以使饭店、音乐、绘画等等??是一个从未知到已知的过程。推荐系统包括一般推荐系统和个性化推
8、荐系统,本文围绕个性化推荐系统展开研究,因此,下面文字中提到的推荐系统均指个性化
