基于贝叶斯网络的用户模型研究

《基于贝叶斯网络的用户模型研究》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、太原理工大学硕士学位论文基于贝叶斯网络的用户模型研究姓名：郭凯明申请学位级别：硕士专业：计算机应用指导教师：余雪丽20090501太原理工大学硕士研究生学位论文　基于贝叶斯网络的用户模型研究　　摘　要　信息化给人类现代社会带来了越来越多的信息，信息的筛选已经成为目前每个人面临的问题，个性化服务的提出，将会把人类从海量的信息中解脱出来。作为个性化服务的核心技术—用户模型，许多研究者进行了深入的研究。贝叶斯网络作为概率与图论发展中重要的理论，是解决不确定性问题的有力工具，利用相关理论进行一定的分析研究，可以解决人工智能、数

2、据挖掘等许多问题。本文在前人的研究基础上，对贝叶斯网络结构和相关理论知识进行了阐述，介绍了贝叶斯网络研究发展的历史，对贝叶斯网络结构的表示方法以及知识表达进行了探讨，同时为网络参数的学习和有关推理学习进行了介绍。另外，对目前用户行为建模和个性化服务的相关理论进行了分析，通过分析建模过程中的相关技术和相关问题，阐述了各种技术和方法的优缺点。通过贝叶斯网络学习和相关理论研究，结合有关个性化服务的指标和用户模型参数的选择和调整，对个性化用户模型和服务提出了自己的见解，具体有以下几个方面：一，利用贝叶斯网络进行了用户行为的研究

3、，构建贝叶斯网络，同时利用行为模型的关键字，可以对模型进行实时更行，实时建模，更好的表达用户的行为。二，提出了利用动态贝叶斯网络发现用户潜在行为的一些指标，比如利用用户的保存记录等更加方便的研究用户行为和为用户提供个性化服Ｉ太原理工大学硕士研究生学位论文　务。通过对用户历史行为的分析，在用户已保存和记录的数据基础上，进一步预测用户可能会关心的领域。通过这些指标的利用，可以更好的发现用户的潜在行为。三，从用户对网站的爱好度出发，提取出七项评测指标，这些指标是用户登录网站后行为的体现，用于对贝叶斯网络的结构进行更新学习，进

4、而有效的处理大量的用户数据，更新兴趣预测模型。同时在贝叶斯网络模型的更新中引入了行为测度限制，在行为数达到一定个数时进行自动去除用户访问频率低的项，对推荐给用户网站的个数进行数量的限制，能够比较快速的为用户提供最想得到的信息。最后，本文对sohu网的九个版块数据进行了相关分析，通过分析，可以看出，利用贝叶斯网络对用户个性化服务和用户模型的建立具有很好的作用。实验表明，建模具有一定的实用性。个性化推荐和个性化服务作为一种新兴的服务，在生活中将为人们的生活带来更多的便利，如何更好的利用现有知识为用户服务是一项任重而道远的工

5、作，同时随着贝叶斯网络结构研究的深入，在个性化服务中将会显示出更多的优点。关键字：贝叶斯网络，个性化服务，用户模型，潜在行为，动态贝叶斯网络　　ＩＩ太原理工大学硕士研究生学位论文　RESEARCHONUSERMODELBASEDONBAYESIANNETWORKABSTRACTInformationtechnologybringsmoreandmoreinformationtohumanbeingsinmodernsociety,andinformationfilteringhasbecometheproblemsfa

6、cedbyeveryone.Itisthepersonalizedservicesproposedthatwillfreehumanbeingfrommoreandmoreinformation.Therearemanyresearchersconductedin-depthresearchintheusermodelwhichisthecoretechnology.Astheimportantoneofprobabilityandgraphtheory,Bayesiannetworksispowerfultoolin

7、resolvinguncertaintyproblemsandusingrelevanttheories,itcansolvemanyproblemsinartificialintelligence,dataminingandmanyotherissues.Thisthesisisbasedonpreviousstudies,somethingaboutthedevelopmentoftheBayesiannetworksandthehistoryabouttheresearchiselaborated.Themeth

8、odandknowledgerepresentationofthestructureofBayesiannetworkisalsoinvestigated,atthesametime,theoryofthenetworkparameterslearningandthereasoningisintroduced.Inaddition