收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于进化计算理论的主题与地理感知推荐算法

李浩亮  
【摘要】:推荐系统(Recommender System)的目的是为用户提供个性化的在线产品或服务的建议以处理日益增长的信息过载问题,改进客户关系,提高交互水平。上世纪90年代中期起,涌现出了各种各样的推荐技术,软件开发者设计了许多种推荐系统软件应用到各种推荐场景。随着推荐系统在不同领域的成功应用,研究人员和管理者认识到推荐系统为企业、政府、教育和其他领域提供了巨大的机遇和挑战。在推荐系统的发展过程中,至关重要的两个方面是:各种推荐算法的不断创新和对新出现的数据维度的充分使用。比如,推荐算法方面,早期的CF算法,对其他相似用户进行分析,而不是分析兴趣本身,后来出现的隐式主题模型则直接对用户与商品的主题分布进行分析;数据维度方面,伴随移动互联网的广泛传播,在某些场景下,地理信息在推荐系统中发挥越来越重要的作用,因此基于地理信息的推荐系统在近期蓬勃发展。本文基于大量公开数据集,对基于进化计算的优化理论在推荐系统中的应用进行了深入的研究,包括采用进化算法优化对推荐系统中的特定目标进行优化、有效融合用户与商品的地理信息和标签信息以及采用新模型挖掘用户与商品的主题分布。本文的主要工作和贡献如下:1提出基于进化计算理论的推荐算法:在推荐系统中,充分利用用户对商品的评分、商品的标签以及用户的地理区域信息面临着巨大的挑战。对商品评分的研究始终伴随着推荐系统的发展,算法相对成熟;而对商品标签信息的利用,目前常用的算法是矩阵分解、LDA等基于隐式主题的模型;对地理信息的处理分为两种,其中与本文相关的对地理区域信息的挖掘,通行的方法是根据用户地理位置信息对用户进行聚类。本文利用进化计算理论对三种方法进行融合,采用基于隐式主题模型对用户评分信息与商品标签信息进行处理得到用户与商品的主题分布,然后对用户进行聚类,根据以上主题分布并用地理距离作为惩罚建立目标函数,用进化算法进行优化。2提出一种同时考虑了评分信息与标签信息的主题挖掘方法。本文采用了基于评分的隐式主题挖掘算法思想,同时设计了一种全新的基于标签信息的隐式主题挖掘算法,由于只有商品有标签,所以在经典的基于标签的隐式主题模型中,只得到了商品的主题分布,而本文在音乐、电影推荐场景下的建立一种新的模型,得到了用户与区域的主题分布。3提出基于区域主题的冷启动方法。对用户进行聚类并在类内进行推荐不止是应对数据稀疏问题的有效方法,同时也缓解了冷启动问题,一般的冷启动推荐都是将最流行的商品推荐给冷启动用户,而对用户进行聚类之后的冷启动推荐则是将类内最流行的商品推荐给冷启动用户,本文借鉴了这种思想,利用区域主题分布,得到当前区域的候选商品,并推荐给冷启动用户。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李颖基,彭宏,郑启伦,曾炜;自动分层推荐算法[J];计算机应用;2002年11期
2 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期
3 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
4 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期
5 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期
6 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期
7 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期
8 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期
9 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期
10 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期
11 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
12 尹长青;杨单稷;;基于视频的智能推荐算法[J];科技传播;2011年22期
13 吴泓辰;王新军;成勇;彭朝晖;;基于协同过滤与划分聚类的改进推荐算法[J];计算机研究与发展;2011年S3期
14 刘枚莲;刘同存;吴伟平;;基于网络消费者偏好预测的推荐算法研究[J];图书情报工作;2012年04期
15 赵玉艳;谷胜伟;;一种面向云计算环境的服务推荐算法[J];巢湖学院学报;2012年03期
16 李克潮;梁正友;;基于多特征的个性化图书推荐算法[J];计算机工程;2012年11期
17 吕善国;吴效葵;曹义亲;;基于网络结构的推荐算法[J];实验室研究与探索;2012年07期
18 王晟;王子琪;张铭;;个性化微博推荐算法[J];计算机科学与探索;2012年10期
19 苏莹;刘建国;郭强;田大钢;;考虑负面评价的个性化推荐算法研究[J];运筹与管理;2012年06期
20 郑志娴;;微博个性化内容推荐算法研究[J];电脑开发与应用;2012年12期
中国重要会议论文全文数据库 前10条
1 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
2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年
3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年
5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文(摘要)汇集[C];2009年
6 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
7 高琪;辛乐;;基于用户偏好度模型和情感计算的产品推荐算法[A];第二十九届中国控制会议论文集[C];2010年
8 李扬;陈超;祁麟;俞能海;;一种基于用户行为相似度的协同推荐算法[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
9 董媛香;肖智;王现宁;;基于软集合和HeatS+ProbS的混合输入推荐算法研究[A];2013中国信息经济学会学术年会暨博士生论坛论文集[C];2013年
10 贺会磊;郭斌;於志文;周兴社;;基于社交拓扑挖掘的社会活动辅助[A];第八届和谐人机环境联合学术会议(HHME2012)论文集PCC[C];2012年
中国博士学位论文全文数据库 前10条
1 李文俊;时间感知的推荐算法研究[D];电子科技大学;2017年
2 郭磊;社会网络中基于社会关系的推荐算法研究[D];山东大学;2015年
3 聂大成;在线社会网络中的信息推荐技术研究[D];电子科技大学;2014年
4 曾伟;推荐算法与推荐网络研究[D];电子科技大学;2015年
5 朱旭振;复杂网络下基于链路预测的推荐技术研究[D];北京邮电大学;2015年
6 钱付兰;基于商空间模型的协同过滤推荐算法研究[D];安徽大学;2016年
7 王智谨;基于用户分解和社交融合的推荐算法研究[D];华东师范大学;2016年
8 李慧;社会网络环境下的个性化推荐算法研究[D];中国矿业大学;2016年
9 余永红;融合多源信息的推荐算法研究[D];南京大学;2017年
10 许鹏远;多因素综合框架的协同过滤推荐算法[D];大连理工大学;2017年
中国硕士学位论文全文数据库 前10条
1 李浩亮;基于进化计算理论的主题与地理感知推荐算法[D];西安电子科技大学;2017年
2 赵菲菲;基于影视大数据的推荐算法研究及应用[D];北京邮电大学;2016年
3 尚雪峰;基于分类驱动推荐算法的电影推荐系统的研究与应用[D];电子科技大学;2017年
4 曾雪琳;基于群组关系的推荐算法研究与应用[D];北京邮电大学;2017年
5 王夺;基于二分网络集团化的推荐算法改进研究[D];北京邮电大学;2017年
6 陈伟健;基于深度学习的人力资源推荐算法研究[D];华南理工大学;2017年
7 何博威;基于用户消费习惯的推荐算法研究[D];北京邮电大学;2016年
8 张君杰;推荐算法个性化关键技术研究[D];电子科技大学;2017年
9 孟芳;基于信任关系的社交推荐算法研究[D];山东科技大学;2017年
10 邓滢;融合用户上下文和评论信息的推荐算法研究[D];天津科技大学;2017年
中国重要报纸全文数据库 前1条
1 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
中国知网广告投放
 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