基于面向对象思想和典型用户群组的个性化推荐方法研究

《基于面向对象思想和典型用户群组的个性化推荐方法研究》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、中圈料孽技求犬誊博士学位论文基于面向对象思想和典型用户群组的个性化推荐方法研究作者姓名：学科专业：导师姓名：完成时间：谭昶计算机应用技术陈恩红教授二。一四年五月UniversityofScienceandTechnologyofChinaAdissertationfordoctordegreeAStudyofPersonalizedRecommenderSystemsbasedonObject．．．orientedThoughtandTypicalUserGroupAuthor：ChangTanSpeciality：Computer

2、ApplicationTechnologySupervisor：FinishedTimeinished1ime：：Prof．EnhongChenMay)2014中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成果。除已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己在论文中作了明确的说明。作者签名：中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使

3、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《中国学位论文全文数据库》等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。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。作者签名签字日期：互尘’了部导师签名：皿摘要随着互联网的发展和信息技术的进步，推荐系统已经成为人们从海量信息中获得有用知识、避免信息爆炸的一种有效手段。但是在推荐系统的实际应用中，既面临着如何正确运用丰富的情境信息提升推荐效果的现实问题，

4、也面临着海量用户和项目带来的计算和存储压力。推荐系统在实践应用中面临的各种难题，对于现有推荐系统提出了更高的挑战。为此，本文从情境信息高效处理、多样化特征筛选、典型用户子集发现三个方面，探讨了如何处理推荐系统面临的实际应用问题，从而在保证效率的同时提升推荐效果。本文的工作和贡献可以概括如下：首先，基于面向对象的思想，提出了基于特征值对的推荐系统对象表示方法，设计了面向对象的推荐系统(ORS)框架。已有的使用情境信息的模型通常关注于一两种特定的信息，缺乏系统化动态引入多种情境信息的能力。针对该问题，本文探讨了如何基于面向对象思想引入多

5、样化情境信息用于推荐。具体而言，采用特征值对统一表示情境信息，并用特征值对(FeatureValuePair)的集合表示推荐系统中的对象，利用特征值对之间的关联推导对象相似度后，使用协同过滤算法实现推荐。基于此设计了面向对象的推荐系统(ORS)框架，并实现了面向对象的贝叶斯网络(OBN)模型用以计算对象相似度。在旅游领域真实数据集上的实验结果显示，基于OBN模型的ORS框架是一种优秀的推荐系统框架。其次，在面向对象的推荐系统(ORS)框架中，提出了面向对象的主题模型(OTM)，设计了基于特征信息熵的特征选择方法。在推荐系统的实际应用

6、中，面临着如何正确运用丰富的情境信息提升推荐效果的现实问题。本文研究发现，不同类型情境信息对于推荐结果的贡献并不相同。基于此发现，本文提出融合情境信息表示用户隐式兴趣的OTM模型，并基于OTM模型计算不同情境信息的特征信息熵，从而选择对于推荐效果提升贡献最大的特征。在真实数据集上的实验结果显示，0TM模型的推荐效果好于传统的推荐方法，在给出摘要可理解的主题分布的同时，也可以用于有效的筛选特征以优化推荐结果。最后，提出推荐系统中典型用户群组(TUG)的概念，设计了基于典型用户群组的协同过滤推荐算法。推荐系统实践中常常筛选一个小规模用户

7、子集用于研究，但并未量化考虑用户子集的代表性。针对这一问题，本文基于推荐项目覆盖率提出典型用户群组的概念，在保证较高的推荐项目覆盖率和较为准确的评分基础上，筛选得到全体用户的一个较优子集。同时在协同过滤推荐过程中，从典型用户群组中寻找最近邻居，在保证最近邻居代表性的同时降低计算开销。在真实数据集上的实验结果显示，典型用户群组具有更高的项目覆盖率和较小的评分误差，因而更具有典型性。与其他推荐算法的对比也显示，合理的使用典型用户群组，可以有效的优化现有的协同过滤推荐算法。关键词：推荐系统，协同过滤，情境信息，面向对象，主题模型，贝叶斯网

8、络，典型用户ABSTRACTWiththedevelopmentoftheInternetandtheprogressofinformationtech-nology,RecommenderSystemshavebeenapowerf