基于经验学习的自适应推荐算法研究

《基于经验学习的自适应推荐算法研究》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、２？乂连键＜义葦ＤＡＬＩＡＮｍｉＶＥＲＳＩＴ丫肿ＴＥＣＨＮＯＬＯＧＹＩ福破±享恆巧文Ｍ乂ＳＴＥ民ＡＬＤＩＳＳＥＲＴＡＴＩＯＮ顯基于经验学习的自适应推荐算法研究工程领域作者姓名指导教师＾３３；２０１６年６月１日？答辩日Ｓｆｌ．．，．Ｊ？．［＼专业学位硕壬学位论文基于经验学习的自适应推荐算法研究ＲｅｓｅａｒｃｈｏｎＳｅ－ｌｆａｄａｐｔｉｖｅＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎｇＥｍｉｒｉｃａｌＬｅａｒｎ

2、ｉｎｐｇ作者姓名：季振兴王程领域：软件工程学号：３１４１７０１２指导教师：孙伟峰２０－－完成日期：１６３２０丈金巧义乂＃ＤａｌＵｉＴｌｉａｎｎｖｅｒｓｉｔｙｏｆｅｃｈｎｏｏｇｙ大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体己经发表的研究成果，也不包含其他目申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均己

3、在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：某于经验学习的自适应推荐算法研究立作者签名：如扛多、日撕：年６月／日＿＿大连理工大学专业学位硕±学位论文摘要传统的推荐算法一般主要利用用户的一些浏览记录、好友推荐等各种方式作为依据进行推荐。但在实际应用中，。其主要目的是为了解决电子商务等领域信息过载的问题一，而主要的搜索算法大抵还是基于网页内容的排序索引般作为辅助功能呈现。而在基于内容的搜索的同时，，进行尽可能个性化的推荐方案则寥寥无几其搜索质量也存在

4、很大的问题，。如何结合Ｗ上两点是设计新的高质量搜索排序算法的关键。一基于内容搜索排序能够在定程度上代表文档与用户输入语句的相关性。推荐算法，人们历史的操作行为如用户点击等对后来用户的选择的指导推荐作用的思想认为。本一文在合理结合了Ｗ上两点的优点，提出了种基于经验学习的自适应推荐算法ＩＭＵＳＥ。本文的主要工作有，，：首先通过用户行为分析提出对历史用户点击数据的处理方法，即给出了对用户点击时效性和文档热度等良好的处理手段。其次，本文借鉴了基于内容检索和基于经验进行推荐两个领域算法的优点，提出了基于经验的搜索推荐算

5、法。特别一是考虑到查询输入的平衡等问题，并给出了良好的解决方案种自适。最终本文提出了，将蚁群算法中的调参ａ应蚁群算法ＳＡＡＣＯ、片放到粒子群算法中进行动态选择。同时将该算法应用到搜索推荐算法的参数估计中，使得提出的推荐算法具备参数自造应设定的优点。本文对ＳＡＡＣＯ应用到ＩＭＵＳＥ参数估计进行了实验，并与大量实验得出的结果进行了对比，，本，实验证明参数估计的方法与实验得出的结果基本相似。另外文选取了推荐算法领域评估指标准确率和搜索排序领域的权威评估方法ｎＤＣＧ作为对ＭＵＳＥ算法性能的双重评估指标，并利用实验进

6、行巧明算法在这两方面算法运算结果的优越性。关键词：经验学习；推荐算法；自适应蚁群算法；参数估计－－１基于经验学习的自适应推荐算法研究ｓｅａｒｃ－ａｄａｔｖｅＲｅｃｏｍｍｅｎｄａｔ民ｅｈｏｎＳｅｌｆｐｉｉｏｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎｇＥｍｐｉｒｉｃａｌＬｅａｒｎｉｎｇＡｂｓｔｒａｃｔＴ＞ｒａｄｉｔｉｏｎａｌｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｏｒｉｔｈｍｓｇｅｎｅｒａｌｌｕｓｅｕｓｅｒｓｂｒｏｗｓｉｎｈｉｓＵ）ｒｆｒｉｅｎｄｓｇｙｇｙ，ｒｅｃｏｍｍｅｎｄｏｒｓｏｍｅｏ

7、化ｅｒｗａｓ化ｒｅｃｏｍｍｅｎｄ．Ｉｔｓｕｒｏｓｅｉｓ化ｓｏｔｔｙｍａｉｎｌｖｅｈｅｉｎｆｏｒｍａｉｏｎｐｐｏｖｅｒｌｏａｄｒｏｂｌｅｍｉｎｔｈｅｆｉｅ．Ｈｉｌｄｏｆｅｌｅｃｔｒｏ打ｉｃｃｏｍｍｅｒｃｅｏｗｅｖｅｒｎｒａｃｔｉｃａｌａｌｉｃａｔｉｏｎｉｔｉｓｐ，ｐｐ，ｐｅｎｅｒａｒｅｓｅ打ｔｅｄ过ｓ过ｕｘＵａｒｉｎｃｔｏｎａｎｄｔｅｍａ打ｓｅａｒｃｈｏｒｍｓｒｏａｂｅｗｅｂｇｌｌｙｐｉｙｆｔｉ，ｈｉａｌｇｉｔｈｉｐｂｌｙｔｈ－ａｅｓｃｏｎｔｔｂａｓｅｄｏ

8、ｒｔｔ－化ｅｒｅａｒｅｅｎｓｉｎｉｎｄｅｘａｌｏｒｉｔｈｍ．Ｗｈｉｌｅｉ打化ｅｃｏｎ化ｎｂａｓｅｄｓｅａｒｃｈｆｅｗｐｇｇｇ，ｅｒｓｏ打ａｚｅｄｒｅｃｏｍｍｅｎｄａｔｏ打