硕士论文-基于协作过滤的个性化服务技术研究

基于协作过滤的个性化服务技术研究作者：纪良浩学位授予单位：重庆邮电大学相似文献(8条)1.期刊论文高凤荣.邢春晓.杜小勇.王珊.GaoFengrong.XingChunxiao.DuXiaoyong.WangShan基于矩阵聚类的协作过滤算法-华中科技大学学报（自然科学版）2005,33(z1)通过分析现有的协作过滤技术,提出了基于矩阵聚类的协作过滤算法,把矩阵聚类算法和协作过滤相结合,自动划分原始用户--资源评分矩阵,依据划分后的子数据矩阵生成推荐结果.实验结果表明,提出的基于矩阵聚类的协作过滤算法优于传统协作过滤算法,减少了近邻搜索范围,提高了算法的推荐精度.2.学位论文蒋翀电子商务个性化推荐系统研究2009随着电子商务相关技术的日益完善，越来越多的人们接受了网络购物这一新兴消费方式，但个人相对稳定的购买需求与网站所提供纷繁庞杂商品之间存在矛盾，如何解决这一矛盾成为各国研究人员和电子商务参与者关注的问题。本文主要研究应用个性化技术的推荐系统，着力于探讨如何更好的利用用户有意识或无意识反映出的偏好信息，为个性化推荐原型系统服务。分析了目前普遍采用的显式和隐式两种用户偏好获取方式的优缺点，提出了一种混合用户偏好获取模式。在客户端利用嵌入浏览器的脚本语言获取用户浏览行为信息，并通过评分转化规则得到大量反映用户偏好的隐式评分，弥补显式评分数据稀疏的缺陷。将隐式评分和相对准确的显式评分作为用户兴趣模型更新的数据来源。同时，针对电子商务参与者兴趣变化异常频繁的特点，提出了基于线性衰减的用户兴趣模型。根据注册信息和浏览行为建立初始兴趣模型，考虑到用户兴趣项目经常变化的特点，构建了链式向量空间模型表示的兴趣模型。兴趣模型中的用户评分在固定时间间隔t进行自然衰减直至变为0而被淘汰，若在衰减过程中产生了新的访问记录和显式反馈，评分将更新为新的评分并继续参与到衰减过程，构成了用户兴趣模型的主要更新过程。基于协作过滤算法的推荐系统原型对相似度计算、邻居集体积大小和协作过滤推荐算法进行了评估测试，验证了系统的可行性。利用嵌入了特殊脚本的浏览器对用户页面停留时间、鼠标点击次数和页面滚动时间三种可能反映用户偏好的行为进行了相关性测试，结果表明页面停留时间和滚动时间与用户偏好度关联紧密，鼠标点击次数并未表现出明显关联。3.学位论文曾春信息过滤的概念表示与算法研究2003随着信息的日益增长，个性化服务的需求越来越迫切，由于用户兴趣的不同和行为的差异，如何为不同的用户提供不同的服务成为一个具有挑战性的问题。实现个性化服务的首要问题是了解用户的需要，对个性化服务系统来说就是跟踪与学习用户的兴趣和行为。实现个性化服务的关键问题包括：用户描述文件的表达与更新、资源的表达、个性化推荐和个性化服务体系结构。论文比较了不同个性化服务系统的特点和实现方式，这是了解个性化服务技术的发展、存在的问题、以及进行研究的基础，同时对个性化服务系统的设计与实现具有指导作用。论文主要研究了用户兴趣的表达与信息过滤的算法问题。由于用户兴趣是多方面和动态变化的，因此，跟踪、学习和表达用户兴趣是一个最基本也是难以解决的问题。信息过滤技术可以分为基于内容的过滤技术和协作过滤技术，这些技术都已获得广泛的应用，但存在很多尚未解决的问题。论文的主要成果包括：1.围绕基于内容过滤的基本问题，论文首先对比研究了传统的特征选取方法和基于模型的特征选取方法，然后提出了一种新的用户兴趣的表达方法。这部分工作的创新点在于：利用领域分类模型上的概率分布表达了用户的兴趣，给出了相似性计算和用户兴趣更新的方法，并设计了一个基于内容过滤的个性化搜索算法。与矢量空间模型相比，概率模型更好地表达了用户的兴趣和变化。2.针对协作过滤存在的两个问题：数据稀疏性和可扩展性，论文提出了新的相似性计算方法和实例选择方法，获得了较好的结果。为了克服数据的稀疏性问题，论文提出了两个新概念：用户权威性和资源流行性，分别反映用户评价的稳定性和资源受欢迎的程度。基于这两个概念，提出了基于用户和基于资源的两种混合相似性计算方法，使协作过滤算法的预测精度得到提高。然后，通过利用资源的分类特性，提出了基于分类的相似性计算方法，从整体上刻画了用户之间隐含的相似性。为了提高协作过滤算法的可扩展性，论文提出了一种实例选择方法，不仅缩小了近邻搜索的范围，还去掉了不相关的实例，从而提高了协作过滤算法的精度和效率。3.为了对比研究不同学习信息源的有效性，进行了基于Web日志的用户群的发现的研究。论文对比了三个具有代表性的软聚类算法：FCM(FuzzyC-Means)算法、EM(ExpectationMaximization)算法和MCA(MatrixClusteringAlgorithm)算法，得出如下结论：在聚类性能上，MCA算法最好，FCM算法次之，EM算法最差；在聚类质量上，EM算法最好，MCA算法和FCM算法各有千秋，当数据维数较小时，MCA算法较好，当数据维数较大时，FCM算法较好。为了探索个性化服务系统的实现技术，论文设计并实现了一个个性化服务原型系统MyLibrary，提出了一个客户端和服务器端混合的体系结构，系统提供了个人信息、个人兴趣和个人书签的管理，并通过跟踪用户的行为来学习用户的兴趣，实现了个性化的搜索与推荐。4.会议论文曾春.周立柱.邢春晓基于近邻法的协作过滤算法的改进2002Web已成为人们获取信息的一个重要途径,由于Web信息的日益增长,人们不得不花费大量的时间去搜索浏览自己需要的信息.为了减轻这个困难,人们开发了许多工具来辅助寻找期望的信息.搜索引擎是最普遍的辅助人们检索信息的工具,比如传统的搜索引擎AltaVista,Yahoo和新一代的搜索引擎Google,Clever等,信息检索技术满足了人们一定的需要,但由于其通用的性质,仍不能满足不同背景、不同目的和不同时期的查询请求.个性化服务技术就是针对这个问题而提出来的,它为不同特点的用户提供不同的服务,以满足他们不同的需求.本文首先给出了用户权威性和资源流行性的定义，然后在分析的基础上在近邻法中引进两个因子，最后进行实验并对实验进行了总结。5.学位论文李永个性化服务研究2007随着信息的日益增长，个性化服务的需求越来越迫切。由于用户兴趣的不同和行为的差异，如何为不同的用户提供不同的服务成为一个具有挑战性的问题。在研究领域和商业应用上都取得了巨大成功的协作过滤推荐技术目前还存在很多尚未解决的问题，本论文正是为了探索这些问题的解决之道。论文的主要内容包括：首先，论文讨论了实现个性化服务的关键问题，用户的描述、资源的表达和个性化推荐技术。这是了解个性化服务技术的发展、存在的问题、以及进行研究的基础。其次，论文详细的分析了协作过滤推荐技术，传统的协作过滤算法只考虑了用户评分信息而没有考虑到用户的社会背景信息，并且缺乏对用户评分是否可信的考虑。针对这个问题，论文提出了基于用户社会信息的相似度计算，以及对用户的评分进行信用评估的方法，从而找到更加相似的邻居用户和更加可信的用户评分进行计算，改善推荐效果。最后，协作过滤算法产生的预测值通常是一个小数，还需要判定为对应到某个评分级别的整数。传统的算法按照“四舍五入”原则生成判定值，考虑过于简单，忽略了用户的评分趋势。因此，论文提出了基于用户评分趋势的预测值判定算法，考虑预测值与评分级别之间的偏离，以及用户的评分趋势，再对预测值进行判定，有效地提高了推荐的性能和精度。6.学位论文陈天面向IPTV的混合式自适应推荐系统关键技术研究与实现2009IPTV作为新一代有线数字电视产品，自从进入中国以来，用户量增长迅速。根据权威机构IDC的预测，到2009年底，中国IPTV用户量将达到460万，而到2013年，这数字将增长到1310万，并将进入一个井喷式的发展。br　　IPTV的主要优势在于其良好的互动性。通过IPTV，用户将在“IP机顶盒+电视机”上告别单-被动的节目接收，走向更为丰富多彩的互动数字娱乐生活。内容服务提供商可以在IPTV上提供大量高质量的数字图像、视频、音频、游戏、远程教育、广告等内容。在这种环境下，大量的信息容易让用户产生信息迷失。因此为用户提供精准高质的个性化服务成为一种迫切的需求。目前世界范围内对个性化服务的研究主要归为对推荐系统的研究范畴。br　　文章首先深入分析现有推荐系统算法所存在的不足，其中包括新用户问题以及混合式过滤算法所采用的固定混合比造成的推荐质量下降等问题。作者针对这些问题展开研究讨论。br　　首先针对新用户问题，文章提出了基于人口属性的协作过滤算法，这个算法将人口属性信息相似度引入协作过滤算法，并和PCC计算所得相似度进行混合得到新的相似度。采用这个相似度计算最近邻并产生推荐。实验分析表明，文章提出的基于人口属性的协作过滤在用户评分稀少，用户profile稀疏的时候能够有效提高推荐质量。br　　之后针对传统混合式推荐系统造成推荐质量下降问题，提出了基于递度下降的混合式自适应推荐算法。本算法引入自学习机制，让系统自动调整混合式推荐系统的混合比。实验表明，这个算法在一定程度上提高了推荐精度，并且不增加过多的额外计算时间。br　　文章的第三个成果是通过对IPTV平台特性的分析，以及将它同现有以个人电脑为终端的推荐系统的比较，总结出面向IPTV的推荐系统所应该具有的特性：用户零学习成本、用户零额外操作。针对这个特性，文章设计了一个用户喜好挖掘算法，通过分析用户的访问日志，自动获取用户的喜好。经过系统一年的线上运行，证明此算法运行效果良好。7.期刊论文纪良浩.王国胤.杨勇.JILiang-hao.WANGGuo-yin.YANGYong基于协作过滤的Web日志数据预处理研究-重庆邮电学院学报（自然科学版）2006,18(5)协作过滤是当今应用较为成功的个性化服务技术,Web日志可以为个性化服务技术提供重要的数据源,只要对日志数据进行高效预处理,就能提高协作过滤算法有效性和个性化服务质量.结合实际日志数据的处理,给出了基于协作过滤的Web日志数据预处理过程结构图和一种可行的数据预处理方法,该方法不仅可以提供更加干净、规则的数据源,而且在用户兴趣度量方面,弥补了以往诸多兴趣度量方法的不足,为协作过滤算法提供了更加准确的数据支持.8.期刊论文任磊.RENLei基于增量学习的混合推荐算法-计算机应用2010,30(5)推荐系统是自适应信息系统中的个性化服务模块,可以根据目标用户的信息需求提供个性化的信息服务.针对传统协作过滤算法存在的用户兴趣描述粒度过大问题,以及稀疏评分矩阵造成相似度计算不准确的问题,提出了一种基于增量学习的混合推荐算法WHHR,该算法通过Widrow-Hoff增量学习构建基于内容的用户模型,并结合协作过滤推荐机制实现评分预测.实验验证了WHHR算法在收敛速度和推荐准确性方面较类似推荐算法有较大提高.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：18e047f3-6cdb-4871-b744-9dff017766e6下载时间：2010年9月28日