基于.标签聚类的个性化资源推荐模型的研究

《基于.标签聚类的个性化资源推荐模型的研究》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、西安电子科技大学毕业论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。毕业论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大

2、学有关保留和使用毕业论文的规定，即：研究生在校学习期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合毕业论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本论文属于保密，在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要互联网的飞速发展和信息时代的到来给用户带来了海量信息，它为用户带来方便的同时，也带来了信息过载，使得用户淹没在海量信息

3、中却无法快速找到有价值和感兴趣的信息，因此有必要为具有不同背景、不同需求和不同爱好的用户推荐能满足各自不同需求的内容和信息，在这种背景下个性化推荐系统便应运而生，且被认为是目前解决信息过载的重要手段。作为web2.0主要应用之一的社会化标注系统，用户在标注资源时所使用的标签既反映了用户自身的兴趣，又反映了资源的特点，这使得很适合利用用户在标注资源时所使用的标签为用户推荐满足其需要的个性化资源。本文首先分析了个性化推荐及利用社会化标签进行个性化推荐的发展现状，总结了相关理论，分析了现有研究中存在的问题，进而提出了一种基于社会化标签聚类的

4、个性化资源推荐模型。根据标签共现构建标签网络，采用连边社团检测算法进行标签聚类，解决社会化标签的语义模糊性；根据用户使用标签的频率和时间因素进行用户兴趣建模以反映用户兴趣的动态变化性；最后以基于用户的协同过滤推荐为基础完成个性化推荐，并通过实验验证本文所提模型的有效性。关键词：语义模糊,标签聚类,复杂网络,个性化推荐论文类型：应用基础研究IABSTRACTABSTRACTWiththerapiddevelopmentoftheInternet,thephenomenonofinformationoverloadedoccurred,u

5、sersweredrowninginmassinformation,buttheycan’tfindvaluableandinterestinginformationwhattheyneedquickly.Thereforeitisnecessarytorecommendcontentsandinformationtomeetusers’differentneedsthosehavedifferentbackgrounds,differentneedsanddifferenthobbies.Thenpersonalizedrecomm

6、endationsystemwillcomeintobeing,andisconsideredtobeanimportantmeanstoresolvetheinformationoverloadincurrent.Insocialtaggingsystem,whichisoneofthemainapplicationofweb2.0,tagswhichwasusedtolabelresourcesbyusersreflectsboththeuser'sowninterest,butalsoreflectsthecharacteris

7、ticsoftheresources,Thismakesitverysuitabletorecommendpersonalizedresourcesforuserstomeettheirindividualneeds.Firstly,thispaperanalyzestheresearchstatusaboutpersonalizedrecommendationandhowtousesocialtagstopersonalizedrecommendationinoverseasanddomestic,summarizedtherele

8、vanttheory,andanalyzestheexistingproblemsincurrentresearches.Thenputforwardapersonalizedresourcerecommendation