收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于协同过滤的个性化社区推荐方法研究

康雨洁  
【摘要】:在虚拟社区中,用户可以依据自己的兴趣爱好创建群组或者社区,在这些社区中,用户可以互相交流、获取自己所感兴趣的信息。用户也可以加入到别人已经创建的社区中去。如今,互联网上的虚拟社区的数量越来越多,用户想从如此大量的社区中找到其感兴趣的社区,变得愈来愈困难。因此,如何快速有效地为用户推荐其所感兴趣的社区越来越受到重视,成为了日益受到关注的研究内容。 现有的社区推荐算法,容易遇到由于数据观察的限制所导致的过拟合现象以及计算量庞大的问题。并且这些方法忽略了用户与社区之间的关系强弱,也没能考虑用户兴趣随着时间的发展变化。如果有新用户加入,无法及时快速的更新模型,没有良好的可扩展性。在这样的背景下,本文主要研究如何解决现有的社区推荐方法所遇到的以上问题。论文的主要研究工作以及创新点如下: 1.提出基于软约束的LDA社区推荐算法:S-LDA。选择用户与社区关系强弱作为软约束。将每个用户看作一个文档,用户参与的每个社区看成是文档中的单词,而用户与社区的关系强弱看作是用户文档中同一个社区单词的出现次数。然后采用Gibbs采样来求解模型参数。实验结果表明,该算法相对于以往的算法有着较明显的性能优势。 2.提出了一个在线更新模型的系统框架。加入了这个框架的算法SO-LDA,解决了S-LDA算法的可扩展性问题,当有新用户加入时,维持原有的训练好的模型参数不变,单独为新加入的用户文档训练模型。这种情况下,只需要迭代很少的次数就可以达到收敛,因此大大降低了计算的复杂度。 3.提出了一种基于时间信息的社区推荐算法。将时间信息考虑进用户兴趣建模。用户的每次发帖行为对现在的模型的影响是与时间相关衰减的,用核密度估计的方法来描述这一影响,得到时间信息对用户兴趣建模的影响因子,再利用影响因子来给用户-主题分布加权。实验结果表明,该算法将S-LDA的性能进一步提升了。 4.在图书馆交互式科研系统(LISER)平台上实现了SO-LDA算法,可以看出在实际应用中,该算法有着良好的表现。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 苏一丹;王育才;顾新一;;基于独特型人工免疫网络的并行推荐算法的研究[J];计算机应用;2008年05期
2 李聪;梁昌勇;董珂;;基于项目类别相似性的协同过滤推荐算法[J];合肥工业大学学报(自然科学版);2008年03期
3 赵智;时兵;;改进的个性化推荐算法[J];长春大学学报;2005年06期
4 李聪;梁昌勇;;基于属性值偏好矩阵的协同过滤推荐算法[J];情报学报;2008年06期
5 张晓云;李慧;王霞;;基于视觉信息的个性化图像搜索排名技术[J];黑龙江科技信息;2009年31期
6 李聪;梁昌勇;杨善林;;电子商务协同过滤稀疏性研究:一个分类视角[J];管理工程学报;2011年01期
7 李涛;王建东;叶飞跃;冯新宇;张有东;;一种基于用户聚类的协同过滤推荐算法[J];系统工程与电子技术;2007年07期
8 嵇晓声;刘宴兵;罗来明;;协同过滤中基于用户兴趣度的相似性度量方法[J];计算机应用;2010年10期
9 鲁培;;一种改进的基于项目聚类的协同过滤推荐算法[J];科技传播;2011年01期
10 李涛;王建东;叶飞跃;;推荐系统中一种新的相似性计算方法[J];计算机科学;2007年08期
11 娄建玮;刘红军;郑伟;;C#/SQL实现基于项目评分预测的推荐算法[J];职大学报;2007年04期
12 陆洲;程京;张璇;;基于用户兴趣模型聚类的协同过滤推荐算法[J];微计算机信息;2010年33期
13 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期
14 李聪;梁昌勇;董珂;;十字链表存储技术在协同过滤中的应用[J];情报杂志;2008年03期
15 高琳琦;李从东;;基于自组织特征映射聚类的协同过滤推荐算法[J];天津大学学报;2006年S1期
16 彭玉;;基于用户生活方式的协同过滤推荐算法[J];电脑知识与技术;2009年09期
17 赵智;孙琰;;协同过滤算法中推荐集选取方法的研究[J];电脑编程技巧与维护;2009年S1期
18 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
19 王珍娟;庞淑侠;;基于Web挖掘的类别推荐算法[J];兰州理工大学学报;2010年06期
20 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
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 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 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
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 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
7 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
8 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
9 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
10 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
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 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
6 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
7 封素石;分布式协同过滤推荐算法研究[D];燕山大学;2010年
8 张学胜;面向数据稀疏的协同过滤推荐算法研究[D];中国科学技术大学;2011年
9 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
10 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010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
 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