学位论文 > 优秀研究生学位论文题录展示
网络个性化推荐模型研究
作 者: 叶海琴
导 师: 石磊
学 校: 郑州大学
专 业: 计算机应用技术
关键词: Markov模型 个性化推荐 Web缓存 Web预取 序列模式
分类号: TP393.02
类 型: 硕士论文
年 份: 2007年
下 载: 207次
引 用: 2次
阅 读: 论文下载
内容摘要
随着Internet的快速发展和Web信息的日益增长,个性化推荐服务越来越受到用户青睐。作为个性化推荐的核心技术,预测模型得到了广泛关注,并成为一个具有挑战性的研究课题。对预测模型进行深入研究,对减小用户的感知延时、处理亟待解决的信息过载问题,具有重要的理论意义和实用价值。本文提出了一种新的混合阶Markov预测模型,对该模型进行了实验,并对实验结果进行了分析。首先介绍了Internet发展概况和WWW工作机制,分析了个性化服务的必要性。讨论了个性化推荐技术基础,包括序列模式相关知识和预取技术的基本概念、预取系统的分类以及现有预测算法。接着阐述了个性化推荐技术的基本概念与国内外研究现状。然后,总结了现有的替换算法以及个性化推荐性能评价指标,详细地讨论了Web缓存系统中命中率与字节命中率之间的关系,并在此基础上提出了一种新的Web缓存性能评价指标,讨论了该指标在Web缓存替换算法及Web预取性能评价中的应用,从而为度量缓存系统的性能提供参考依据。最后,在分析讨论了Markov模型、传统Markov模型以及混合阶Markov模型之后,提出了一种新的混合阶Markov模型,将前缀相同的序列共享存储,降低了状态空间复杂度。实验表明,该模型在一定程度上提高了预测准确率,查全率也有所提升。
|
全文目录
摘要 3-4 Abstract 4-5 目录 5-8 图目录 8-9 表目录 9-10 第一章 绪论 10-17 1.1 Internet概况 10-13 1.1.1 因特网发展现状 10-11 1.1.2 WWW工作机制 11-12 1.1.3 搜索引擎面临的问题 12-13 1.2 课题的研究背景 13-15 1.3 研究内容 15 1.4 论文组织 15-17 第二章 个性化推荐技术基础 17-31 2.1 序列模式 17-19 2.1.1 序列模式简介 17-18 2.1.2 序列模式挖掘的特点 18-19 2.1.3 序列模式挖掘算法 19 2.2 Web预取技术 19-24 2.2.1 空间局部性 19-20 2.2.2 预取概述 20 2.2.3 预取分类 20-22 2.2.4 预取算法 22-24 2.3 个性化推荐技术 24-30 2.3.1 国内外研究现状 24-25 2.3.2 个性化定义 25-26 2.3.3 推荐与个性化推荐 26-27 2.3.4 个性化推荐与Web使用挖掘 27-28 2.3.5 基于行为的兴趣研究及个性化推荐 28-30 2.4 本章小结 30-31 第三章 个性化推荐性能指标研究 31-44 3.1 Web缓存技术概述 31-32 3.2 请求流时间局部性特征 32 3.3 Web缓存替换算法 32-34 3.4 Web缓存与传统缓存的区别 34-35 3.5 性能指标 35-38 3.5.1 吞吐量 35 3.5.2 命中率与字节命中率 35-36 3.5.3 文档分组(packet)命中率 36 3.5.4 平均访问延迟与空间利用率 36 3.5.5 准确率与查全率 36-37 3.5.6 PRS 37 3.5.7 延迟时间 37 3.5.8 流量开销 37-38 3.6 命中率与字节命中率的关系 38-43 3.6.1 有限缓存命中率与字节命中率之间的关系 38-39 3.6.2 无限缓存里命中率与字节命中率之间的关系 39-40 3.6.3 实验 40-43 3.7 本章小结 43-44 第四章 基于Web访问行为的个性化推荐模型研究 44-60 4.1 Markov模型概述 44-45 4.2 传统Markov模型 45-46 4.3 混合阶Markov模型 46-59 4.3.1 HTMM模型 46 4.3.2 基于网络访问行为的混合阶Markov预测模型 46-53 4.3.3 实验 53-59 4.3.3.1 精度投票方法 53-54 4.3.3.2 实验结果及分析 54-59 4.4 本章小结 59-60 第五章 结论与展望 60-61 5.1 结论 60 5.2 进一步的工作 60-61 致谢 61-62 参考文献 62-67 附录1 攻读硕士期间发表学术论文 67
|
相似论文
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- 基于兴趣度的Web日志用户访问序列模式挖掘,TP311.13
- 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
- 基于Web挖掘技术研究及其在数字图书馆中的应用,G250.76
- 城际列车自动驾驶系统(ATO)的研究,U284.48
- 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
- JPEG图像重压缩检测及篡改定位,TP391.41
- 商品热销度分析与展示,TP391.3
- 云计算背景下基于FPGA的文件管理系统与Web缓存的紧耦合研究与分析,TP333
- 基于Agent元搜索引擎的个性化研究,TP391.3
- 基于隐私保护的多步攻击关联方法研究,TP311.13
- 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
- 改进的聚类挖掘算法对网络自助出版“长尾”文本的推荐应用,TP311.13
- 高性能网络社区的设计与实现,TP311.52
- 基于RS&GIS的县域生态系统服务价值及其动态变化研究,P208;P237
- Web挖掘技术在远程教学系统中的应用,TP391.6
- 基于双信息源的协同过滤算法及其应用研究,TP301.6
- DNA序列的最大频繁模式挖掘,TP311.13
- 基于协同过滤的电子商务个性化推荐算法研究,F713.36
- 基于WEB挖掘的E-learning环境下的个性化教学平台研究,TP391.6
- 基于Web数据挖掘的智能推荐研究,TP391.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络结构与设计
© 2012 www.xueweilunwen.com
|