欢迎来到天天文库
浏览记录
ID:35036139
大小:5.34 MB
页数:59页
时间:2019-03-16
《上下文感知推荐技术研究》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、-.VV:..1-::.,;:’'?r^‘之分类号密级;一'UDC_堂号_/—硕±学位论文’Thesis化rMastersDegree论文题目上下文感知推荐技术研究':'t--V,'.V掉%申请学位类别工学硕±亡.-讀.§专业名称计算机科学与技术,’'’'-沪S^嘶|研究生姓名彭秋英\A—;^导师姓名、职称杨书新副教授心嚴苗墳乎1心‘f\:々j.^■■一八V:,'li-二。—制責誦I分类号:密级:UD
2、C:学号:硕士学位论文上下文感知推荐技术研究ResearchonTechnologyforContext-AwareRecommendation学位类别:工学硕士作者姓名:彭秋英学科、专业:计算机科学与技术研究方向:个性化推荐系统指导教师:杨书新2016年5月28日江西理工大学硕±学位论文独创性声明学位论文独创性声明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加W标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含已获得江西理工大学或其他教育机构的学位或证书而使用过的材料一。
3、与我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谢意。一申请学位论文与资料若有不实之处,本人承担切相关责任。研究生签名;寺i乐K表时间:公年女月襄曰学位论文版权使用授权书、保存:本人完全了解江西理工大学关于收集、使用学位论文的规定即学校有权保存按要求提交的学位论文印刷本和电子版本,学校有权将学位论文的全部或者部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编W供查阅和借阅;学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版。本人允许本学位论文被查阅和借阅,同意学校向国家有
4、关。部口或机构送交论文的复印件和电子版,并通过网络向社会公众提供信息服务保密的学位论文在解密后适用本授权书学位论文作者签名导师签名巧写):(手写、典於灸來味為气备;签字日期:W占年巧A日签字日期年r月鮮日江西理工大学硕士学位论文摘要摘要个性化推荐系统的目的是解决信息过载问题,目前已被广泛应用于互联网的各个领域。传统的推荐系统只通过分析用户-项目之间的二元关系来为用户提供推荐,而忽略了上下文信息对用户决策的影响。随着上下文感知技术以及智能移动终端技术的快速发展,将上下文感知技术融入推荐过程的上下文感知推荐系统研究愈演愈烈。该研究在信息检索、移动互联
5、网、物联网、电子商务、智能家居/办公/交通等诸多工业领域具有广泛的应用前景。目前该领域的研究在上下文信息挖掘与检测、用户建模与行为分析、上下文用户偏好提取、上下文感知推荐算法等方面都存在许多问题亟待解决。为了进一步提高推荐准确度和效率,本文针对上下文建模方法、推荐生成方法等关键问题进行研究,主要取得了以下成果:(1)为了得到更加专一化的数据以进一步提高推荐结果的准确性,本文提出基于离散二进制粒子群算法的上下文复杂分割方法,将历史数据中处于不同上下文环境下的同一个用户(或项目)分割成两个不同的用户(或项目)。该方法主要过程为首先利用离散二进制粒子群算法对最佳分割上下文条
6、件组合进行优化,然后根据最佳分割组合中的这些上下文条件对项目或用户进行分割,便能得到更加专一化的评分数据,最后将这些数据输入到推荐算法中获得更加准确的推荐结果。采用真实电影评分数据集进行实验,得出的结果验证了提出算法的有效性和可靠性。(2)针对现有相关研究存在同等对待所有上下文而忽略各上下文对用户评分影响力强弱的问题,本文提出基于贝叶斯方法与聚类的上下文用户兴趣建模方法。首先采用特征聚类方法对项目进行聚类,然后利用贝叶斯公式计算单个上下文条件下一个用户喜欢某类项目的概率,再通过复合概率公式求得多个上下文条件下用户喜欢一类项目的联合概率。最后根据喜欢同一类项目的用户之间
7、相似度更高这一认识,将所求的联合概率融入到传统协同过滤算法中用户相似度计算过程以提高相似度精度。采用真实电影评分数据集进行对比实验,实验结果表明该方法与传统协同过滤方法相比能够有效利用上下文信息提高推荐准确度。关键词:上下文感知推荐;复杂分割;贝叶斯方法;协同过滤IAbstractAbstractPersonalizedrecommendationsystemaimstosolvetheproblemofinformationoverload,hasbeenwidelyappliedinvariousfieldsoftheInternet.Tradi
此文档下载收益归作者所有