欢迎来到天天文库
浏览记录
ID:35188492
大小:7.48 MB
页数:66页
时间:2019-03-21
《基于社交网络的上下文感知推荐算法》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、硕±学位论义I"射社挪纖_fcfF細娜荐鎌Socia-awarelNetworkbasedContextRecommendationAlgorithm穩誦麵變辭话.记■瞧Bii麵t墓画i研究生:陈磊指导獅:李贵觀学科领域:计算机技术■j'少;意破建藻等二〇^五年+二貞;::B;配'*k拴,.此…1!分类号:学校代码:10153UDC:密级:公开硕士学位论文基于社交网络的上下文感知推荐算法作者姓名:陈磊入学年份:2013年9月指导教师:李贵教授学科领域:计算机技术申请学位
2、:工程硕士所在单位:信息与控制工程学院论文提交日期:2015年11月论文答辩日期:2015年12月学位授予日期:2016年1月答辩委员会主席:邢伟答辩委员会组成:邢伟陈宁孙焕良钟辉赵明论文评阅人:赵德平声明本人声明。,所呈交的学位论文是在导师的指导下独立完成的论文中取^1得的研究成果除加义标注和致谢的地方外,不包含其他人氏经发衷或撰写过的研究成果,也不包括本人为获得其他学位而使用过的材料。与我共同工作过的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢暴。作者签《:资寇曰期:>0辟)巧学位论文版
3、权使用授权书本学位论文作者和指导教师完全了解沈阳建筑大学有关保留、使用学位论文的规定:巧学校有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权沈阳建筑大学(或其授权机构)可L乂将学位论文的全部或部分内容编入有关数据库并通过网络提供检索、浏览。(如作者和导师同意论文交流,请在下方签名;否则视为不同意。)作者和导师同意网上交流的时间為作者获得学位后:^一□一□不限□半年口年年半两年作者签名:愤藏)导师签名L曰期:月曰期:月>1挣皆>修軒硕士研究生学位论文
4、摘要I摘要随着信息技术的快速发展,人类社会已经由信息贫乏的时代进入了信息过载时代。面对互联网上的海量信息,一方面用户很难从中找到自己真正感兴趣的信息,另一方面,信息的生产者也很难找到对其真正感兴趣的用户,从而使自己的信息受到关注。推荐系统通过分析用户行为数据,提取出用户偏好,给用户提供个性化的推荐内容,在很多的网络应用(比如电子商务网站亚马逊,淘宝网以及社交网站Linked,Facebook,人人网等)中,已经成为了一个很有前途的处理信息过载的工具。目前,推荐系统研究领域应用较多的推荐算法包括基于用户的协同过滤推荐算法、基于物品的协同过滤推
5、荐算法、基于隐语义模型的推荐算法、基于上下文信息的推荐算法以及基于社交网络的推荐算法。其中应用最为广泛的是协同过滤(CF)推荐,它通过挖掘相似用户或项目的历史行为数据来预测目标用户的偏好。尽管协同过滤推荐算法已经在业界得到了广泛应用,但传统的协同过滤技术只利用了“用户-项目”二元关系而未考虑其它信息。当信息规模越来越大时,它的性能就遇到了很大挑战,比如数据的稀疏性(即缺乏足够数量的相似用户或项目),由数据稀疏性及信息源的同质化造成的推荐质量下降。本文主要研究上下文感知推荐算法,对上下文的概念,上下文感知推荐系统的研究现状,社交网络数据及用户
6、行为数据进行了详细介绍。重点研究了上下文信息的提取及对多种上下文信息的处理,对社交网络数据的处理及用户相似度的计算,并提出了基于上下文提取的感知推荐算法以及在此基础上引入社交网络数据的基于社交网络的上下文感知推荐算法。实际应用中存在着多种类型的上下文信息,但并不是每种上下文信息对于用户的偏好都能起到同样的影响。基于上下文提取的感知推荐算法通过比较传统推荐模型在不同上下文片段上的性能来识别出那些能影响用户偏好的上下文片段,应用随机决策树算法将含有不同类型上下文信息的评分进行分割,所产生的子矩阵中的评分处于相似的上下文中,彼此之间相关度更高。在
7、树的叶子结点应用矩阵分解,通过求解目标函数来预测目标用户对项目的评分。社交网络信息是另一类能够对用户偏好产生重要影响的信息。基于社交网络的上下文感知推荐算法引入了一个社交正则化项,通过学习用户好友的偏好来预测用户的偏好。为了识别有着相似偏好的好友,提出一种融入上下文信息的皮尔森相关系数(pcc)来度量用户相似度。理论分析与实验结果表明基于上下文提取的感知推荐算法及基于社交网络的上下文感知推荐算法在准确率上较传统的推荐算法在性能方面有明显的提高。关键词:上下文感知;社交网络;推荐系统;矩阵分解;上下文提取硕士研究生学位论文AbstractII
8、IAbstractWiththerapiddevelopmentofinformationtechnology,humansocietyhasenteredtheeraofinf
此文档下载收益归作者所有