75个性化推荐系统研究

单位代码：10293密级：硕士学位论文论文题目：个性化推荐系统研究Y006091732陈敏顾亦然控制理论与控制工程计算机控制与系统集成工学硕士二〇一二年二月学号姓名导师学科专业研究方向申请学位类别论文提交日期南京邮电大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。研究生签名：日期：南京邮电大学学位论文使用授权声明南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权南京邮电大学研究生部办理。研究生签名：导师签名：日期：南京邮电大学硕士学位论文摘要学科、专业：工学、控制理论与控制工程研究方向：复杂系统与网络控制作者：陈敏指导教师：顾亦然副教授题目：个性化推荐系统研究英文题目：Researchonpersonalizedrecommendationsystem主题词：个性化推荐、社会标签网络、时间加权、三部分网络Keywords:Personalizedrecommendation,Socialtaggingnetworks,Time-weighted,Tripartitegraphsnetworks摘要随着网络技术的快速发展，信息爆炸式的增长使网络中信息超载问题变的日趋严重，用户在网络中很难找到有用的信息，一些很少被关注的信息也被淹没在信息的大海中，成为孤岛信息。传统的搜索引擎无法帮助人们有效的解决这个问题，个性化推荐系统应运而生。推荐系统的本质就是为用户找到符合其个性偏好的资源对象，现有的推荐系统都不可避免的面临着很多问题，如推荐精度、“冷启动”和用户兴趣随时间变化等问题。如何有效解决这些问题成为众多学者的研究目标。近几年，Web2.0技术的成熟使得社会标签系统得到广泛应用。社会标签以一种新颖的形式创造了更好的平台，让人们更高效的查找网络资源。因为社会标签可以提供对象高度抽象的内容信息和个性偏好信息，因此利用标签辅助推荐有助于提高个性推荐的精度。为了解决传统个性化推荐系统的局限性问题，本文主要研究如何利用标签系统来提高推荐系统的性能。针对个性化推荐系统中用户兴趣随时间改变的问题，在用户-标签-对象三部分图结构中，结合标签使用频率和用户添加标签的时间，提出了一种利用标签时间加权的资源推荐算法,同时在Delicious和MovieLens两个数据集中进行仿真实验。实验结果显示利用标签时间加权的算法能有效地提高推荐的精度和多样性，并且标签类别越丰富，推荐精度就越高。在进一步的实验中发现，数据集中对象度越小本文提出的推荐方法表现越好，结果也证明本文利用社会标签提出的推荐算法能够解决推荐中的“冷启动”问题。关键词：个性化推荐；社会标签网络；时间加权；三部分网络南京邮电大学硕士研究生学位论文AbstractIIAbstractWiththerapiddevelopmentofnetworktechnology,theproblemofanexplosionofinformationgrowthmakingitoverloadinthenetworkbecomesmoreandmoreserious.It'sdifficultforuserstofindusefulinformationinthenetwork.Somerarelyconcernedinformationisalsosubmergedintheseaofinformationandbecomestheisolatedislandofinformation.Thetraditionalsearchenginecan'thelppeopletoeffectivelysolvethisproblemandpersonalizedrecommendationsystemsemergeasthetimesrequire.Findingtheirindividualpreferenceresourcesobjectforusersistheessenceofrecommendationsystem.Inevitably,recommendationsystemsareconfrontedwithmanyproblems,suchastheaccuracyofrecommendation,coldstartanduserinterestchangeswithtimeandotherissues.Howtoeffectivelysolvetheseproblemsbecomemanyscholars’researchgoals.Inrecentyears,thematurityofWeb2.0technologymakesthesocialtagssystemwidelyused.Socialtaggingsystemsintroduceanovelplatformforusers'participationandsearchnetworkresourcesmoreefficiently.Becausesocialtagscanprovidehighlyabstractinformationaboutnotonlyitemcontentsbutalsopersonalizedpreferences,theuseoflabelscanimprovetheaccuracyofpersonalizedrecommendation.Inordertosolvethelimitationsofthetraditionalpersonalizedrecommendationsystem,thisdissertationstudieshowtousethesocialtagtoimprovetheperformanceoftherecommendationsystem.Aimingattheproblemofuserpreferenceschangesovertimeinthepersonalizedrecommendationsystem,andcombiningwithusingtagfrequencyandlabeltimeonuser-object-tagtripartitegraphs,weproposearecommendationalgorithmbasedontagtime-weightednetwork.SimulationexperimentsareperformedintheDeliciousandMovieLenstwodata.Experimentalresultsdemonstratethattheusageoftagtime-weightedcansignificantlyimproveaccuracyanddiversificationofrecommendations,andthemoreabundantlabelcategories,thehigheraccuracyofrecommendation.Furthermore,itisfoundthatthesmallerobjectdegreeisandthebetterrecommendationwillbe.Theresultsalsoprovethatusingsociallabelproposedrecommendationalgorithmcansolvetherecommendationcoldstartproblem.Keywords:Personalizedrecommendation,Socialtaggingnetworks,Time-weighted,Tripartitegraphs南京邮电大学硕士研究生学位论文目录III目录摘要........................................................................................................................................................IAbstract..................................................................................................................................................II目录......................................................................................................................................................III第一章绪论...........................................................................................................................................11.1研究背景与意义........................................................................................................................11.1.1研究背景........................................................................................................................11.1.2研究意义........................................................................................................................11.2推荐系统研究现状与分析..........................................................................................................21.3推荐系统面临的主要挑战...........................................................................................................51.4论文研究内容............................................................................................................................61.5论文章节安排............................................................................................................................6第二章推荐系统概述及其相关技术...................