社会网络环境下的个性化推荐算法研究

《社会网络环境下的个性化推荐算法研究》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、博士学位论文社会网络环境下的个性化推荐算法研究ResearchonPersonalizedRecommendationAlgorithmsinSocialNetworkEnvironment作者：李慧导师：马小平教授学科专业控制理论与控制工程中国矿业大学二○一六年五月中图分类号TP181学校代码10290UDC004.8密级公开中国矿业大学博士学位论文社会网络环境下的个性化推荐算法研究ResearchonPersonalizedRecommendationAlgorithmsinSocialNetworkEnvi

2、ronment作者李慧导师马小平教授申请学位工学博士培养单位信息与电气工程学院学科专业控制理论与控制工程研究方向智能计算答辩委员会主席评阅人二○一六年五月论文审阅认定书研究生李慧在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文，经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将论文作为学位申请论文送专家评审。导师签字：年月日博士学位论文致谢在这五年的读博时光中，我经历了很多；在这五年的求学道路上，我感概万千；在漫长的求

3、学路上，有过坚持不弃的誓言，也有过放弃逃避的想法。此时此刻，在毕业论文完稿之际，思绪万千。衷心感谢在这五年时光中与我一路同行的家人、朋友、同事和老师，感谢你们的关心、支持与鼓励。首先感谢我的恩师马小平教授，感谢您给予我的指导与勉励。您渊博的学识、严谨的治学态度、一丝不苟的科研作风都是我学习的楷模。同时也感谢您在未来工作方向上给予的谆谆教导与殷殷鼓励，这将永远激励我在科研路上继续前行。感谢巩敦卫教授、李明教授、童敏明教授、孙伟老师在论文选题与论文组织上的悉心指导与帮助。感谢中国矿业大学繆燕子老师、潘春德老师、蒲玉娟

4、老师、孟倩博士、王巍博士、孙勇博士、王前进博士在读博期间给予我的启迪与帮助。感谢淮海工学院计算机工程学院的李存华教授，是您的引荐让我有学习的机会，是您多年来的关怀与关照伴我顺利完成学业；感谢所有关怀我的领导和各位同事，感谢你们在我求学期间对我工作和生活上的关照与无私的帮助，为我完成学业提供了一个良好的学习与工作环境。感谢淮海工学院智能信息处理实验室的各位同仁对我论文架构方面提供的帮助，通过与大家的交流和学习使我在论文写作过程中受益匪浅。感谢亲爱的父母，感谢你们的养育之恩，为我的成长创造了最好的环境；感谢亲爱的公公

5、与婆婆，感谢你们多年来对家庭和小孩的照顾，让我有足够的时间和精力来完成学业，你们是我永远的后盾和港湾。感谢我的丈夫张舒先生，感谢你的理解与支持。为了学业，我为家庭付出的太少，感谢你一直以来的理解与宽容。感谢我六周岁的儿子张津铭和刚满一周岁的女儿张津茹。为了学业，陪同与关爱你们的时间太少，感谢你们的支持。你们是我克服一切困难的勇气和力量，是我前进的动力。本文在撰写过程中参看了国内外大量的学术论文与专著，在此特向本文所引文献资料的作者表示由衷的感谢！感谢各位评阅专家，谢谢你们百忙之中审阅我的论文，并提出了宝贵的意见和

6、建议，为文章的完善提供了巨大帮助。此文的所有荣誉与成就，将与我深爱的丈夫与儿女共享！李慧2016年2月博士学位论文摘要伴随着社会网络的日益普及，网络商品与评分信息量迅猛增长。用户面对如此海量的数据无法进行快速而准确的选择，个性化推荐系统正是在这样的背景下提出的。传统的推荐算法只是在用户历史数据的基础上，根据其已有的评分信息为用户提供二维推荐，在实际应用中受到诸多限制，从而导致推荐质量较低。针对以上问题，本文将社会网络环境中的一些重要信息，如上下文环境、社会标签、信任关系等因素引入到个性化推荐系统中，从不同维度出发

7、，全面分析个性化推荐算法在提升用户满意度与推荐结果准确度方面的积极作用。本论文研究的主要内容包括以下几个方面：（1）上下文感知的个性化推荐研究为了更好的对用户偏好进行建模，从而提高后期推荐系统的性能，本文提出了一种上下文感知的推荐模型（Contextual-basedSystem，简称CS推荐模型）。该模型使用具有较高学习精度的随机决策树方法将多种上下文信息有机结合，既保证了较低的算法复杂度，又提高了用户偏好模型构建的准确度。该算法的主要思想是使用随机划分策略，对原始用户-项目评分矩阵R进行划分，使得相似用户或相

8、似项目的评分被划分到决策树的相同结点中。实现了将具有相似上下文的评分信息划分到同一个组内，且在相同组里的评分将会比在原始评分矩阵中的评分具有更高的相关性。通过上下文的过滤，可以提高用户偏好模型构建的准确度，从而提高了推荐系统的准确性。（2）融合主题与语言模型的社会标签推荐研究为了解决如何利用社会网络中丰富的标签信息进行高效的社会网络推荐问题，本文综合考虑了以用户和资源为中