收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

心理学模型与协同过滤集成的算法研究

沈磊  
【摘要】: 随着互联网技术的发展,网络资源也在飞速地增长。信息资源的极大丰富,使得互联网成为人们获取信息的重要来源。然而,在人们享受着信息技术带来的便利的同时,如何确切地表达对网上资源的需求,如何准确有效地寻找资源,成为网络用户面对的一大问题。个性化推荐系统正是解决这一问题的有效方法之一。个性化推荐系统通过提高网站的服务质量和访问效率,提升用户的满意度和忠诚度,许多电子商务网站如Amazon、eBay的成功与推荐系统的发展息息相关。其中,协同过滤推荐系统是应用最为广泛的个性化推荐系统。 虽然推荐系统的研究已经取得了一些成果,但是现有推荐系统的性能并不令人满意,推荐算法仍有待改进。本文从心理学角度理解用户的思维方式与行为模式,发掘用户需求,以期得到贴合用户要求的推荐结果。本文结合现有的心理学模型,从收集用户评分、相似性度量、评分预测这三方面对协同过滤推荐算法分别进行了改进。 首先,本文以心理学中的态度行为关系模型为理论依据,提出了用户浏览购买关系模型。此模型可根据电子商务网站用户的浏览信息,实时预测用户的购买行为,这对于电子商务网站具有重要的现实意义。电子商务数据集上的实验结果表明,本文提出的浏览购买关系模型可以有效地预测用户的购买行为,这也证实了从态度行为角度分析用户心理方法的正确性。之后,本文将提出的浏览购买关系模型分别用于改进基于用户和基于项的协同过滤算法。本文将浏览购买关系模型预测得到的用户购买可能性看作隐式收集的用户对项的评分,即将浏览购买关系模型作为用户评分模型,将预测得到的评分分别应用于基于用户和基于项的协同过滤算法。在电子商务数据集上的实验结果显示,应用预测评分的算法比传统的采用用户点击数据的协同过滤算法更有效。 其次,本文提出了新的用户相似性度量模型。心理学家Tversky提出人类判定相似度的对比模型:当人们判断两个物体是否相似时,不仅依据二者共同的特点进行度量,也会比较二者的不同点。本文以此理论为依据,提出综合用户评分共同特征和不同特征的用户相似性度量模型。本文提出了基本函数和指数函数两种方法计算用户的相似度。在Movie Lens和Book-Crossing两个数据集上的实验结果表明,提出的基本函数度量方法改进了协同过滤算法,但改进程度相对较小,指数函数度量方法对算法的改进程度较大,这也验证了利用共同特征和不同特征同时度量相似性的方法是有效的。 最后,本文提出加入权重因素改进预测评分模型的方法。目前的协同过滤算法在预测用户对项的评分时没有考虑参与评分的最近邻居的多少对预测评分的影响,本文将参与评分的最近邻居数目作为权重因素,改进预测评分模型。在Movie Lens和Book-Crossing两个数据集上的实验结果表明,改进后的算法的推荐结果好于传统算法的结果。 本文结合现有的心理学理论,分别从信息收集、相似性度量和评分预测这三方面对协同过滤推荐算法进行了改进。实验结果表明,提出的改进算法均优于传统的协同过滤算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 余力,刘鲁,李雪峰;用户多兴趣下的个性化推荐算法研究[J];计算机集成制造系统-CIMS;2004年12期
2 王恒;;基于协同过滤的电子农务推荐系统模型研究[J];宁夏大学学报(自然科学版);2009年04期
3 王志军;岳训;付冬菊;苗良;;基于Web投票机制的免疫协同过滤推荐技术研究[J];农业网络信息;2010年01期
4 周向东,施伯乐,张琪,张亮,刘莉;基于长期学习的多媒体数据库相似性检索[J];软件学报;2004年01期
5 郭炜;高琳琦;;电子旅游中间商的个性化信息服务模式研究[J];情报科学;2006年05期
6 游文;叶水生;;电子商务推荐系统中的协同过滤推荐[J];计算机技术与发展;2006年09期
7 胡慧蓉;;电子商务个性化推荐系统分析与设计[J];科技创新导报;2009年08期
8 李聪;梁昌勇;;适应用户兴趣变化的协同过滤增量更新机制[J];情报学报;2010年01期
9 赵宏霞;王新海;杨皎平;;基于用户和项目因子分析的混合协同推荐算法[J];计算机应用;2011年05期
10 孙小华;陈洪;孔繁胜;;在协同过滤中结合奇异值分解与最近邻方法[J];计算机应用研究;2006年09期
11 吴吉义;林志洁;龚祥国;;基于协同过滤的移动电子商务个性化推荐系统若干研究[J];电子技术应用;2007年01期
12 王纪辉;赵卓宁;;基于协同过滤算法的电子商务网站个性化推荐系统设计[J];成都信息工程学院学报;2007年S1期
13 佘碧蓉;;利用ASP.NET 2.0实现动态的商品推荐[J];电脑与电信;2008年05期
14 李世扬;储泽楠;;基于Agent与个人知识本体的搜索系统研究[J];科技信息;2009年31期
15 顾晔;吕红兵;;改进的增量奇异值分解协同过滤算法[J];计算机工程与应用;2011年11期
16 李超然,徐雁斐,张亮;协同推荐pLSA模型的动态修正[J];计算机工程;2005年20期
17 张李义;罗惠恒;;基于协同过滤的WhuRecomm推荐系统的设计与实现[J];武汉大学学报(工学版);2006年06期
18 王惠敏;聂规划;;基于模糊聚类和资源平滑的协同过滤推荐[J];情报杂志;2007年07期
19 马丽;;基于群体兴趣偏向度的数字图书馆协同过滤技术研究[J];现代图书情报技术;2007年10期
20 温会平;陈俊杰;;基于用户模糊聚类的个性化推荐算法[J];计算机与数字工程;2008年02期
中国重要会议论文全文数据库 前10条
1 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
2 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
3 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
4 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
5 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
6 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
7 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
8 张宏宇;许燕;;自杀的心理学理论发展综述[A];北京市社会心理学会2007年学术年会论文摘要集[C];2007年
9 李雪;左万利;赫枫龄;王英;;传统Item-Based协同过滤推荐算法改进[A];第26届中国数据库学术会议论文集(B辑)[C];2009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
中国博士学位论文全文数据库 前10条
1 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
2 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
3 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年
4 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
5 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
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 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
8 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年
9 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
10 张亮;基于机器学习的信息过滤和信息检索的模型和算法研究[D];天津大学;2007年
中国硕士学位论文全文数据库 前10条
1 邵伟;基于领域知识的协同过滤推荐研究[D];河北大学;2010年
2 胡福华;基于可信相似度传递的协同过滤算法研究与应用[D];浙江大学;2011年
3 张晓蕾;协同过滤推荐模型及其在汽车电子商务中的应用研究[D];天津师范大学;2010年
4 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
5 白龙;融合数据检测与用户信任的协同过滤算法研究[D];燕山大学;2010年
6 康雨洁;基于协同过滤的个性化社区推荐方法研究[D];中国科学技术大学;2011年
7 庞军;双聚类算法及其在协同过滤中的应用研究[D];大连理工大学;2010年
8 曾小波;基于协同过滤的推荐系统的研究[D];电子科技大学;2010年
9 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
10 金亚亚;一种基于改进信任度的协同过滤算法[D];华东理工大学;2011年
中国重要报纸全文数据库 前6条
1 刘溟;互联网 个性化营销最佳载体[N];经济日报;2004年
2 ;移动经营者的商务机会(未完待续)[N];网络世界;2001年
3 南方;房地产将走向互联网营销[N];中国信息报;2002年
4 赵骏飞;数据挖掘在金融行业的应用[N];中国保险报;2011年
5 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
6 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
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978