收藏本站
收藏 | 论文排版

推荐系统若干关键技术研究

蒋伟  
【摘要】:随着信息技术的快速发展,网络已经从以内容为中心的单向信息提供者,发展到以人为中心、以交互为特征的网络平台阶段,目前正进入以移动互联网为代表的智能化、个性化的万物互联时代。网络一方面给人们带来了便利,但另一方面,由于网络中的信息量呈现指数式增长,使人们真正需要的、真正感兴趣的东西被淹没在信息的海洋中,面临着严重的信息过载问题。为了解决这个问题,相关的技术工具也经历了分类目录、搜索引擎、以及目前的推荐系统三个发展阶段。推荐系统已经成为继搜索引擎之后最为重要的信息过滤工具,其目标是为用户提供个性化的产品和服务,或者帮助用户决策。相关推荐技术在信息检索、机器学习以及数据挖掘领域得到了广泛的研究。目前推荐系统已经在新闻、微博、图书、电影、视频、音乐、产品以及餐馆等众多领域得到应用;Amazon、Netflix、Youtube等的在线推荐系统都得到成功部署,不但为用户带来了的良好的消费体验,而且也为企业带来了巨大的商业价值。最近几年,随着移动互联网、物联网、云计算以及人工智能技术的发展,推荐系统逐渐发展成基于广泛连接、以人为中心的个性化服务推荐模式。在这个过程中,推荐系统面临着许多机遇和挑战,主要表现在三个方面:第一、如何利用互联网上出现的大量辅助信息(用户、物品以及交互信息)来解决广泛使用的协同过滤算法的稀疏性、冷启动问题。第二、由于普适计算的发展,上下文信息成为另一种提升推荐系统体验的重要辅助数据来源;因此,如何利用这种新型的辅助数据,设计基于上下文感知的服务推荐系统,实现真正的以人为中心的服务推荐,成为一个重要的研究课题。第三、大量的用户、物品相关的辅助数据、上下文感知相关的辅助数据的出现,一方面可以据此优化算法、提升系统服务;但另一方面,这些数据的隐私保护也变得日益迫切。本文基于这些机遇和挑战,实现了如下的研究工作和创新点:(1)以矩阵分解协同过滤为基础,提出了耦合辅助信息的模型框架,并且基于这个框架提出了耦合物品属性信息的过滤算法。为了解决传统矩阵分解协同过滤算法的冷启动以及推荐准确性不高的问题,本文从隐语义分析的角度,对矩阵分解协同过滤模型的用户隐因子和物品隐因子采用辅助信息进行修正,并形成了模型框架。然后,基于这个框架,从物品端入手,创新性地通过耦合物品属性的COS(Coupled Object Similarity)相似度,提出了耦合物品属性信息的矩阵分解协同过滤算法。该算法利用物品属性相似度约束物品隐特征向量分解,使得属性越相似的物品的隐特征向量也越相似。实验表明该算法可以显著提升推荐结果的准确性,并且可以较大程度地缓解物品端冷启动问题。(2)基于模型框架,从用户端入手,提出了耦合社会信任关系的矩阵分解协同过滤算法。因为人们在购买产品或消费服务之前,常常倾向于向社交网络中的朋友寻求建议;基于这个假设,本文利用社会信任信息计算朋友之间的信任度,并集成到提出的模型框架中来解决用户端冷启动、提升推荐性能。为了实现模型,本文又提出社会信任的度量、群组检测算法、基于压缩自动编码器的用户及物品隐特征初始化方法。实验表明该算法可以明显改善推荐性能,缓解用户端的冷启动。(3)基于上下文辅助信息,提出了智慧家庭个性化服务推荐系统框架及身份感知算法。上下文不仅是推荐系统中用户偏好的来源,也是实现基于环绕智能的个性化推荐服务的基础。因此,本文以智慧家庭为背景,以上下文计算为基础,提出了智慧家庭个性化服务推荐系统的概念框架。然后基于这个框架设计了一个演示场景。为了实现这个应用场景,提出了基于步态识别的移动终端身份感知算法,并对GMM-UBM和I-Vector+PLDA声纹感知算法进行训练评估。前者采用神经网络的方法实现身份匹配。针对后者,创新性地提出了文本半相关的训练方法。(4)针对朋友推荐系统的隐私保护问题,基于混合体系架构与可交换加密技术,提了出用户属性匹配的隐私保护方案。此方案首先使用KNN分类算法做粗粒度朋友筛选,然后使用属性匹配协议实现共享相同属性的朋友之间的细粒度推荐。论文从理论上证明了该协议的确能够抵御主动攻击和被动攻击。最后利用匿名数据进行实际部署,其实验结果表明,论文提出的模型不仅可以实现细粒度的好友推荐,而且保护了用户的隐私信息。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王月星;;国内旅游推荐系统研究进展[J];商场现代化;2017年10期
2 常亮;曹玉婷;孙文平;张伟涛;陈君同;;旅游推荐系统研究综述[J];计算机科学;2017年10期
3 王毅;;网络推荐系统的三大挑战——从用户体验出发[J];清华管理评论;2013年06期
4 王海明;;基于大数据下电子商务商品推荐系统的分析[J];环球市场信息导报;2017年27期
5 ;电商推荐系统进阶[J];IT经理世界;2013年11期
6 王霞;;电子商务推荐系统评述[J];福建电脑;2006年08期
7 傅孟如;姜素兰;闵娅萍;;VAX—11/750机学生测评、推荐系统的设计与应用[J];计算技术与自动化;1989年03期
8 张佳威;;美团推荐系统实证系统[J];农家参谋;2018年11期
9 洪文兴;王宁;陈毅伟;周绮凤;李涛;;大数据时代的人才推荐系统[J];大数据;2017年02期
10 赵德伟;高江锦;徐正巧;;基于链路预测的个性化网络推荐系统研究[J];福建电脑;2017年07期
11 付建清;;网络信息推荐系统存在的问题及发展方向[J];科技创新导报;2016年02期
12 金洁洁;;基于本体的个性化信息推荐系统研究[J];电子世界;2014年04期
13 乔向杰;张凌云;;近十年国外旅游推荐系统的应用研究[J];旅游学刊;2014年08期
14 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期
15 王巍;黄晓丹;申艳光;赵继军;;情感推荐系统研究[J];信息与控制;2013年02期
16 程彩霞;段雪;李晓倩;;“随游而安”智能推荐系统的研究[J];科技传播;2017年14期
17 王靖伟;刘英超;孟巍;;电子商务推荐系统研究综述[J];电子商务;2014年06期
18 朱仲华;;基于RFID的互动体验博物馆[J];技术与市场;2014年07期
19 徐正巧;赵德伟;;深度学习理论视角下的移动学习推荐系统的设计和研究[J];智能计算机与应用;2014年02期
20 孙健波;;高校图书馆主动式个性化书籍推荐系统设计[J];长江大学学报(自科版);2013年34期
中国重要会议论文全文数据库 前10条
1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年
2 王晓光;施玉海;尹亚光;;面向广电的节目推荐系统研究[A];中国新闻技术工作者联合会2017年学术年会论文集(学术论文篇)[C];2017年
3 李成;冯青青;;推荐系统准确度衡量方案——引入权重概念[A];工业设计研究(第五辑)[C];2017年
4 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知识库的互联网商品信息分类与推荐系统[A];第29届中国数据库学术会议论文集(B辑)(NDBC2012)[C];2012年
5 汤娟梅;唐岭;;个性化英语阅读文章推荐系统的设计[A];计算机与教育:理论、实践与创新——全国计算机辅助教育学会第十四届学术年会论文集[C];2010年
6 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
7 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年
8 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
9 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
10 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 蒋伟;推荐系统若干关键技术研究[D];电子科技大学;2018年
2 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年
3 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
4 颜端武;面向知识服务的智能推荐系统研究[D];南京理工大学;2007年
5 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年
6 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年
7 高全力;上下文感知推荐系统关键问题研究[D];西北大学;2017年
8 尹航;信息推荐系统中的协同过滤技术研究[D];东北大学;2012年
9 吴铭;基于链接预测的关系推荐系统研究[D];北京邮电大学;2012年
10 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年
中国硕士学位论文全文数据库 前10条
1 薛斌;基于Html5的手机游戏推荐系统研究与实现[D];南京理工大学;2017年
2 倪满满;基于Spark的分布式推荐系统的设计与实现[D];武汉邮电科学研究院;2018年
3 林丽莹;基于移动互联网技术的新闻推荐系统设计与实现[D];湖南大学;2017年
4 屠晓涵;融合评分和评论的推荐系统研究[D];湖南大学;2017年
5 鲁墨;基于用户画像的推荐系统的设计与实现[D];东北大学;2017年
6 王睿;基于Hive的电子商务推荐系统的设计与实现[D];南昌航空大学;2018年
7 薄慧丽;基于SVD与SVM混合推荐的电影推荐系统的研究[D];太原理工大学;2017年
8 田军霞;基于短文本处理算法优化的文本信息推荐系统的设计与实现[D];北京交通大学;2017年
9 黄小洁;面向视障人群的DAISY阅读推荐系统[D];浙江大学;2017年
10 乌海慧;基于Java EE的个性化教学资源推荐系统的研究[D];沈阳师范大学;2017年
中国重要报纸全文数据库 前5条
1 记者 周源;知意图发布推荐系统Etu Recommender[N];网络世界;2012年
2 本报记者 邹大斌;大数据:电商新武器[N];计算机世界;2012年
3 本报记者 冯卫东;网络导购:找出你的最爱[N];科技日报;2007年
4 本报记者 邱燕娜;精准推荐 一客一市场[N];中国计算机报;2012年
5 张秋明;用数据是新技能[N];福州日报;2015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