收藏本站
《重庆大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于计算语用学和项目的资源协同过滤推荐研究

高旻  
【摘要】: 随着Internet的发展,网上的各类资源都以惊人的速度增长着。要及时地在网络的海量信息中发现所需要的资源已经变得越来越困难,用户极需一种推荐系统帮助他们。个性化推荐系统可以帮助用户找到所需信息,能有效留住用户、提高网站的点击率和用户的忠诚度。进而辅助企业达到个性化营销的目的,提升销售量,创造最大的利润。个性化服务概念的兴起,也使得越来越多领域开始重视推荐系统的应用。个性化推荐系统在这种良好的发展趋势的推动和应用前景下,逐渐成为Web智能技术的一个重要研究内容,得到了众多研究者的广泛关注。 近年来,协同过滤推荐技术在理论和实践中都得到了快速的发展,但是随着其应用系统规模的进一步扩大,它面临着一系列新的挑战。与此同时,把语用学理论应用于信息系统也逐步成为一个研究热点。语用学是研究符号与解释者之间的关系,研究一定语境条件下的语言和符号产生含义的理解及其产生的效果。本论文将计算语用学的基本思想应用于推荐系统中,包括对推荐系统中个性化情境分析、用户信任等级计算模型、基于情境及信任的推荐方法和算法的应用研究。 研究开创性地提出了个性化情境和用户信任等级的概念,从一个新颖的角度解决了协同过滤推荐中的情境缺失和独立性假设问题,提高了推荐系统的推荐质量与抗评分攻击能力;同时,计算语用学在个性化推荐领域的应用研究对语用学本身的发展也具有推动作用。现将论文的主要研究内容和成果概括如下: ①对个性化推荐系统目前的总体发展情况进行了综述。探讨了个性化概念的界定,总结并归类了现有的推荐技术,指出其各自的特点、适用范围;在此基础上,对协同过滤算法的目前研究进展进行总结、分类,并指出存在的问题,引出本文的研究意义,为下一步研究奠定理论基础。 ②对语用学的发展及其与个性化推荐的关系进行了分析。简述了语用学的发展历史,分析了语用学研究与个性化推荐研究的相似性,提出了计算语用学三要素,即溯因推理、信任和情境与个性化推荐的关系,为基于语用学的个性化资源推荐的研究奠定了理论基础。 ③提出个性化情境的概念、最显著个性化情境因素和多因素个性化情境等概念。把个性化情境引入协同过滤推荐系统,构建了基于个性化情境的推荐方法来解决情境缺失问题。然后提出基于最显著个性化情境因素的协同过滤推荐算法,通过实验证明最显著个性化情境因素对评分预测准确性的提高是有帮助的。进而提出基于多因素个性化情境的推荐方法,采用BP神经网络和RBF神经网络进行情境因素权重的学习,得到基于神经网络的个性化评分预测模型后进行评分预测和推荐,并通过实验验证了算法的有效性,说明多因素个性化情境的推荐更能提高评分预测的准确性。实验还证明径向基神经网络更能提高预测的准确性,基于多因素个性化情境的推荐算法比传统算法有更好的调和平均值和稳定性。 ④把信任引入协同过滤推荐系统,构建了一种基于信任的协同过滤推荐方法,为解决用户独立性假设问题提供了一种新的思路和方法。在分析信任的定义、性质以及信任与推荐的关系的基础上,提出基于用户兴趣相似性、评分相似性和评分相关性来构建用户关联图的方法,提出基于PageRank用户信任等级的UserRank计算方法,进而提出了基于用户信任等级的协同过滤推荐算法,并通过实验验证了算法的有效性和优越性。实验结果表明:将用户信任等级与经典的推荐算法结合,在不影响预测准确性的前提下可以提高算法防范评分攻击的能力。最后,提出基于情境和信任的综合推荐方法,作为一个综合情境因素和信任因素进行推荐的试探性工作。 ⑤将以上研究提出的个性化情境分析方法、信任等级计算方法和几种推荐方法用于构建一个基于语用的学习资源个性化推荐系统,列出了系统的体系结构、功能模块设计和结果展示等内容。
【学位授予单位】:重庆大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP393.09

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 王爱国;李廉;杨静;陈桂林;;一种基于Bayesian网络的网页推荐算法[J];山东大学学报(工学版);2011年04期
2 赵宏霞;王新海;杨皎平;;基于项目因子分析的Web客户需求协同推荐算法[J];计算机系统应用;2011年07期
3 冷亚军;梁昌勇;张恩桥;戚筱雯;;基于项类偏好的协同过滤推荐算法[J];情报学报;2011年07期
4 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期
5 陈志敏;姜艺;;综合项目评分和属性的个性化推荐算法[J];微电子学与计算机;2011年09期
6 陈志敏;李志强;;基于用户特征和项目属性的协同过滤推荐算法[J];计算机应用;2011年07期
7 赵宏霞;王新海;杨皎平;;基于Web客户因子分析的协同推荐算法[J];计算机应用研究;2011年07期
8 赵宏霞;杨皎平;万君;;考虑时间和价格因素的Web客户需求协同推荐模型[J];计算机系统应用;2011年08期
9 薛伟莲;王蕴慧;;一种基于对话的电子商务推荐系统[J];辽宁师范大学学报(自然科学版);2011年02期
10 尹柱平;;基于用户行为与角色约束的协同过滤算法[J];软件导刊;2011年06期
中国重要会议论文全文数据库 前10条
1 陶红亮;王明文;曹瑛;;基于项目平滑和聚类的协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
3 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年
4 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
5 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年
6 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
7 梁莘燊;刘莹;;基于效能的学术资源推荐算法研究[A];第六届(2011)中国管理学年会——信息管理分会场论文集[C];2011年
8 汤显;郭景峰;高英飞;;基于类别相似性的增量协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
9 高凤荣;杜小勇;王珊;;数字图书馆环境下一种基于语义分类的个性化推荐算法[A];第二十届全国数据库学术会议论文集(研究报告篇)[C];2003年
10 孙铁利;杨焱;邱春艳;;基于内容预测的协同过滤推荐[A];2005年全国理论计算机科学学术年会论文集[C];2005年
中国重要报纸全文数据库 前9条
1 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
2 刘溟;互联网 个性化营销最佳载体[N];经济日报;2004年
3 ;移动经营者的商务机会(未完待续)[N];网络世界;2001年
4 记者 向阳;软件测试关键技术研究有望降低测试成本[N];科技日报;2009年
5 南方;房地产将走向互联网营销[N];中国信息报;2002年
6 本报记者 雷彬;百度推出移动开放平台 优化服务提升用户体验[N];通信信息报;2011年
7 赵骏飞;数据挖掘在金融行业的应用[N];中国保险报;2011年
8 乔颖;程序解人意,帮你寻找“顺口”的美食[N];新华每日电讯;2011年
9 商报记者 金朝力;奇艺推3套推荐引擎抢夺视频新制高点[N];北京商报;2011年
中国博士学位论文全文数据库 前10条
1 高旻;基于计算语用学和项目的资源协同过滤推荐研究[D];重庆大学;2010年
2 沈磊;心理学模型与协同过滤集成的算法研究[D];北京航空航天大学;2010年
3 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年
4 孙慧峰;基于协同过滤的个性化Web推荐[D];北京邮电大学;2012年
5 肖敏;基于领域本体的电子商务推荐技术研究[D];武汉理工大学;2009年
6 张亮;推荐系统中协同过滤算法若干问题的研究[D];北京邮电大学;2009年
7 贾春晓;基于复杂网络的推荐算法和合作行为研究[D];中国科学技术大学;2011年
8 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
9 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年
10 高滢;多关系聚类分析方法研究[D];吉林大学;2008年
中国硕士学位论文全文数据库 前10条
1 刘亭;隐私保持协同过滤推荐算法研究[D];燕山大学;2010年
2 袁先虎;基于混合用户模型的协同过滤推荐算法研究[D];重庆大学;2010年
3 王小亮;基于协同过滤的个性化推荐算法的优化和应用[D];浙江工商大学;2010年
4 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
5 夏小伍;基于信任模型的协同过滤推荐算法的研究[D];中国科学技术大学;2011年
6 李有超;基于项目属性与偏爱比较的协同过滤推荐算法研究[D];燕山大学;2010年
7 蔡浩;基于Web使用挖掘的协同过滤推荐算法研究[D];浙江理工大学;2010年
8 李媛;电子商务个性化推荐关键技术研究[D];哈尔滨工程大学;2010年
9 封素石;分布式协同过滤推荐算法研究[D];燕山大学;2010年
10 季昀;基于协同过滤推荐算法电影网站的构建[D];哈尔滨工业大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026