本文關(guān)鍵詞： 推薦系統(tǒng) 個(gè)性化 社交網(wǎng)絡(luò) 協(xié)同過(guò)濾 行為分析　出處：《南京理工大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：推薦系統(tǒng)是幫助用戶發(fā)現(xiàn)內(nèi)容、克服信息過(guò)載問(wèn)題的有力工具,社交網(wǎng)絡(luò)是發(fā)布、傳播、接受信息的重要平臺(tái),作為當(dāng)前學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn),二者的結(jié)合是大勢(shì)所趨。 本文以社交網(wǎng)絡(luò)中的關(guān)注對(duì)象推薦為任務(wù),對(duì)推薦系統(tǒng)和社交網(wǎng)絡(luò)的特性進(jìn)行了深入研究,主要工作如下： 1推薦系統(tǒng)的方法論綜述：對(duì)推薦系統(tǒng)研究中現(xiàn)有的理論和方法進(jìn)行了分類總結(jié),包括內(nèi)容過(guò)濾、協(xié)同過(guò)濾和社會(huì)化過(guò)濾等,并著重分析了評(píng)分預(yù)測(cè)問(wèn)題中的主流算法。 2推薦算法結(jié)合排序?qū)W習(xí)：評(píng)分預(yù)測(cè)是推薦系統(tǒng)的一個(gè)基本問(wèn)題,但實(shí)際應(yīng)用場(chǎng)景中更普遍的形式是TopN推薦。基于評(píng)分預(yù)測(cè)問(wèn)題中的多種建模方法,本文嘗試將排序?qū)W習(xí)應(yīng)用于這些模型,實(shí)驗(yàn)結(jié)果表明推薦性能顯著優(yōu)于傳統(tǒng)評(píng)分模型。 3社交網(wǎng)絡(luò)中的用戶興趣建模：社交網(wǎng)絡(luò)中的用戶擁有眾多的異質(zhì)信息,如內(nèi)容信息、社交信息等,本文嘗試?yán)�用各種信息對(duì)用戶興趣進(jìn)行建模,并通過(guò)實(shí)驗(yàn)分析了不同信息對(duì)反映用戶興趣的貢獻(xiàn)度。 4社交網(wǎng)絡(luò)中的用戶行為模式分析與建模：推薦系統(tǒng)是通過(guò)分析用戶的歷史行為推測(cè)用戶興趣,因此大部分推薦系統(tǒng)的研究都集中于對(duì)用戶興趣進(jìn)行建模,針對(duì)用戶本身行為模式的建模研究相對(duì)較少。針對(duì)這一問(wèn)題,本文提出了3類從不同角度對(duì)用戶行為進(jìn)行分析建模的方式,并嘗試與推薦模型結(jié)合,實(shí)驗(yàn)結(jié)果表明融合行為模式可以有效地提高推薦系統(tǒng)的精度。
[Abstract]:Recommendation system is a powerful tool to help users find content and overcome the problem of information overload. Social network is an important platform for publishing, disseminating and receiving information. The combination of the two is the trend of the times. In this paper, the characteristics of recommendation system and social network are studied. The main work is as follows: 1 Summary of the methodology of recommendation system: the existing theories and methods in the research of recommendation system are classified and summarized, including content filtering, collaborative filtering and socialized filtering. The main algorithms of scoring prediction are analyzed. 2 recommendation algorithm combined with ranking learning: score prediction is a basic problem in recommendation system, but the more common form in practical application scenario is TopN recommendation. This paper attempts to apply ranking learning to these models. The experimental results show that the performance of recommendation is significantly better than that of traditional scoring model. 3 user interest modeling in social network: users in social network have a lot of heterogeneous information, such as content information, social information, etc. This paper attempts to use all kinds of information to model user interest. The contribution of different information to reflect user's interest is analyzed through experiments. 4user behavior pattern analysis and modeling in social network: recommendation system infer user's interest by analyzing user's historical behavior, so most of the research of recommendation system focuses on modeling user's interest. To solve this problem, this paper proposes three kinds of modeling methods to analyze user behavior from different angles, and try to combine with recommendation model. Experimental results show that the fusion behavior model can effectively improve the accuracy of the recommendation system.
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志軍;岳訓(xùn);付冬菊;苗良;;基于Web投票機(jī)制的免疫協(xié)同過(guò)濾推薦技術(shù)研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2010年01期

2 游文;葉水生;;電子商務(wù)推薦系統(tǒng)中的協(xié)同過(guò)濾推薦[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年09期

3 趙曉煜;丁延玲;;基于顧客交易數(shù)據(jù)的電子商務(wù)推薦方法研究[J];現(xiàn)代管理科學(xué);2006年03期

4 胡慧蓉;;電子商務(wù)個(gè)性化推薦系統(tǒng)分析與設(shè)計(jì)[J];科技創(chuàng)新導(dǎo)報(bào);2009年08期

5 趙宏霞;王新海;楊皎平;;基于用戶和項(xiàng)目因子分析的混合協(xié)同推薦算法[J];計(jì)算機(jī)應(yīng)用;2011年05期

6 孫小華;陳洪;孔繁勝;;在協(xié)同過(guò)濾中結(jié)合奇異值分解與最近鄰方法[J];計(jì)算機(jī)應(yīng)用研究;2006年09期

7 顧曄;呂紅兵;;改進(jìn)的增量奇異值分解協(xié)同過(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年11期

8 李超然,徐雁斐,張亮;協(xié)同推薦pLSA模型的動(dòng)態(tài)修正[J];計(jì)算機(jī)工程;2005年20期

9 張李義;羅惠恒;;基于協(xié)同過(guò)濾的WhuRecomm推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2006年06期

10 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報(bào);2008年01期

相關(guān)會(huì)議論文 前10條

1 謝科;劉奕群;岑榮偉;馬少平;茹立云;楊磊;;基于維基百科層次分類框架的主題推薦系統(tǒng)的研究[A];中國(guó)計(jì)算語(yǔ)言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

2 何發(fā)鎂;馮勇;許榕生;王旭仁;;推薦系統(tǒng)安全問(wèn)題研究綜述[A];第13屆全國(guó)計(jì)算機(jī)、網(wǎng)絡(luò)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域的應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

3 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

4 尤忠彬;陳越;張英;朱揚(yáng)勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺(tái)推薦系統(tǒng)研究[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

5 靳紹聰;王建民;聞立杰;曹大海;;一種基于推薦系統(tǒng)的工作流資源分配機(jī)制[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

6 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

7 王茜;張衛(wèi)星;;基于分類樹(shù)相似度加權(quán)的協(xié)同過(guò)濾算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

8 湯顯;郭景峰;高英飛;;基于類別相似性的增量協(xié)同過(guò)濾推薦算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

9 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

10 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 馮衛(wèi)東;網(wǎng)絡(luò)導(dǎo)購(gòu)：找出你的最愛(ài)[N];科技日?qǐng)?bào);2007年

2 林嘉澍;從搜索到發(fā)現(xiàn)[N];經(jīng)濟(jì)觀察報(bào);2007年

3 饒宇鋒;微軟策動(dòng)互聯(lián)網(wǎng)跨越搜索時(shí)代[N];財(cái)經(jīng)時(shí)報(bào);2007年

4 熊明華;九江人才市場(chǎng)打造就業(yè)“助推器”[N];中國(guó)人事報(bào);2006年

5 商報(bào)記者 金朝力;奇藝推3套推薦引擎搶奪視頻新制高點(diǎn)[N];北京商報(bào);2011年

6 鐔立勇;2007年度省科技獎(jiǎng)推薦工作啟動(dòng)[N];河北經(jīng)濟(jì)日?qǐng)?bào);2007年

7 本報(bào)記者　 何小龍;委員履職：量化打分[N];江淮時(shí)報(bào);2006年

8 薛求知;我們需要準(zhǔn)確地理解西點(diǎn)軍校[N];上海證券報(bào);2007年

9 CPW華南區(qū)記者 伍羨妮;開(kāi)放平臺(tái) 移動(dòng)商務(wù)乍現(xiàn)商機(jī)[N];電腦商報(bào);2003年

10 記者 溫躍邋通訊員 朱鋒 朱沙;農(nóng)行山東省分行與省教育廳全面合作[N];金融時(shí)報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 鄧愛(ài)林;電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];復(fù)旦大學(xué);2003年

2 李濤;推薦系統(tǒng)中若干關(guān)鍵問(wèn)題研究[D];南京航空航天大學(xué);2009年

3 胡新明;基于商品屬性的電子商務(wù)推薦系統(tǒng)研究[D];華中科技大學(xué);2012年

4 冷亞軍;協(xié)同過(guò)濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2013年

5 任磊;推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2012年

6 張寅;個(gè)性化技術(shù)及其在數(shù)字圖書(shū)館中應(yīng)用的研究[D];浙江大學(xué);2009年

7 李聰;協(xié)同過(guò)濾推薦系統(tǒng)托攻擊防御技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

8 張亮;推薦系統(tǒng)中協(xié)同過(guò)濾算法若干問(wèn)題的研究[D];北京郵電大學(xué);2009年

9 陳根浪;基于社交媒體的推薦技術(shù)若干問(wèn)題研究[D];浙江大學(xué);2012年

10 孔維梁;協(xié)同過(guò)濾推薦系統(tǒng)關(guān)鍵問(wèn)題研究[D];華中師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 章晉波;推薦系統(tǒng)中協(xié)同過(guò)濾算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2010年

2 寇艷艷;電子商務(wù)推薦系統(tǒng)中用戶聚類問(wèn)題與用戶興趣變化問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

3 王霞;協(xié)同過(guò)濾在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];河海大學(xué);2003年

4 楊焱;基于項(xiàng)目聚類的協(xié)同過(guò)濾推薦算法的研究[D];東北師范大學(xué);2005年

5 李惠民;電子商務(wù)推薦系統(tǒng)中協(xié)同過(guò)濾算法的研究[D];吉林大學(xué);2011年

6 王集思;基于協(xié)同過(guò)濾的電子商務(wù)推薦系統(tǒng)研究[D];哈爾濱工程大學(xué);2009年

7 青海;電子商務(wù)推薦系統(tǒng)核心技術(shù)研究[D];北京工業(yè)大學(xué);2009年

8 湯顯;基于類別相似性和分類方法的個(gè)性化推薦方法研究[D];燕山大學(xué);2006年

9 蘇天斌;協(xié)同過(guò)濾的研究及引擎的實(shí)現(xiàn)[D];昆明理工大學(xué);2005年

10 楊晨醒;數(shù)字圖書(shū)館協(xié)同過(guò)濾及GPU計(jì)算技術(shù)研究[D];浙江大學(xué);2010年

，

本文編號(hào)：1465188