学位论文 > 优秀研究生学位论文题录展示

基于用户兴趣和浏览行为的个性化推荐技术研究

作　者: 曾凡兴
导　师: 赵应丁
学　校: 江西农业大学
专　业: 计算机应用技术
关键词: 个性化推荐 兴趣模型 用户爱好提取 协同过滤
分类号: TP391.3
类　型: 硕士论文
年　份: 2011年
下　载: 228次
引　用: 0次
阅　读: 论文下载
 

内容摘要


内容摘要：在互联网快速发展的今天,网络上的信息日益膨胀,面对这众多的信息资源,广大网民发现越来越难以获得自己想要的信息。个性化的服务技术就在这种需求背景下诞生了。个性化服务是根据用户的设定来实现的,是一种有针对性的服务方式,通过各种渠道对资源进行收集、整理和分类,向用户提供和推荐相关信息,以满足用户的需求。个性化服务打破了传统的被动式的服务模式,能够充分利用各种资源优势,主动开展以满足用户个性化需求为目的的服务。本文对个性化推荐系统及其相关技术进行了研究,首先分析了间接信息提取和直接信息反馈这两种常用的互联网用户爱好提取方式各自的优点和缺点,并在这一基础上提出了一种利用半显式半隐式爱好提取方式来得到互联网用户的兴趣信息的新的互联网用户爱好提取方式。其次对常见的几种兴趣模型进行了分析,提出了构建在互联网用户兴趣消退基础上的兴趣模型表示。最后通过对个性化推荐系统的设计目标进行分析,在互联网用户兴趣消退的兴趣模型基础上,利用Pearson相关性算法计算用户和资源项目间的相似性,并利用K最近邻分类算法计算相似用户的“邻居区”,进而提出了基于资源项目的个性化推荐。此外,还对Pearson相关性算法和基于余弦的相似性算法进行了对比测试,实验结果表明Pearson相关性算法和基于余弦的相似性算法相差不大。在最近邻体积的大小对个性化推荐系统质量的影响的测试中发现当最近邻体积超过30时最近邻体积的大小对推荐系统的质量影响不明显。对基于用户的协同过滤算法和基于资源项目的协同过滤算法的比较测试则表明基于资源项目的协同过滤算法比基于用户的协同过滤算法更具优势。而用以揭示互联网用户浏览行为与兴趣爱好之间关系的半显式半隐式爱好提取实验说明网页滞留时长和网页拖移时长与互联网用户表现出来的对页面的爱好程度有关,网页触发数与互联网用户爱好没有明显的关系。

全文目录


摘要  3-4
Abstract  4-8
第1章 绪论  8-15
  1.1 研究的背景、目的及意义  8-9
  1.2 研究现况  9-12
  1.3 个性化推荐服务所需面对的挑战性  12-13
  1.4 研究的内容与组织结构  13-15
    1.4.1 研究内容  13-14
    1.4.2 组织结构  14-15
第2章 个性化推荐系统  15-23
  2.1 个性化推荐系统概述  15-17
    2.1.1 个性化推荐系统的定义  15-16
    2.1.2 推荐系统的分类  16-17
  2.2 个性化推荐系统的相关技术  17-23
    2.2.1 用户兴趣建模  17-18
    2.2.2 关联规则  18-19
    2.2.3 基于内容的过滤  19-20
    2.2.4 协作过滤  20-21
    2.2.5 收集用户数据  21-23
第3章 提取用户爱好和对用户兴趣进行建模  23-35
  3.1 提取用户爱好  23-28
    3.1.1 通过间接信息提取方式得到互联网用户爱好  23-25
    3.1.2 通过直接信息反馈的方式来提取用户爱好  25-26
    3.1.3 半显式半隐式爱好提取  26-28
  3.2 用户兴趣模型的表示  28-31
    3.2.1 用户兴趣模型分析  28-29
    3.2.2 基于兴趣消退的用户兴趣模型的表示  29-31
  3.3 用户兴趣模型的建立和更新  31-35
    3.3.1 创建用户兴趣模型  31-33
    3.3.2 用户兴趣模型的动态更新  33-35
第4章 基于用户和资源项目的协同过滤技术及其推荐系统  35-46
  4.1 基于协同过滤技术的个性化推荐系统分析设计  35-36
    4.1.1 个性化推荐系统设计目标  35
    4.1.2 框架设计  35-36
  4.2 数据模型设计  36-41
    4.2.1 数据模型架构设计  36-37
    4.2.2 功能块设计  37-39
    4.2.3 构建在兴趣消退基础上的用户兴趣模型设计  39-41
  4.3 生成个性化推荐结果  41-46
    4.3.1 皮尔森相关性算法  41-43
    4.3.2 K最近邻用户算法的设计  43-44
    4.3.3 资源项目相关性推荐  44-46
第5章 实验分析  46-56
  5.1 实验准备  46-48
    5.1.1 实验环境  46-47
    5.1.2 数据提取与数据库设计  47-48
  5.2 实验设计与实验分析  48-56
    5.2.1 推荐评价标准  48
    5.2.2 基于协同过滤的推荐系统实验及其分析  48-52
    5.2.3 半显式半隐式爱好提取实验及其分析  52-56
第6章 结论  56-58
参考文献  58-62
致谢  62-63
作者简介  63

相似论文

  1. 隐式用户兴趣挖掘的研究与实现,TP311.13
  2. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  3. 基于自然遗忘的个性化推荐算法研究,TP311.52
  4. 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
  5. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  6. 基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
  7. 基于协同过滤的用户兴趣发现,TP391.3
  8. 基于信息型模型的音乐推荐算法,TP391.3
  9. 个性化医疗信息推荐系统的研究与实现,R319
  10. 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
  11. 基于GPU的图书推荐系统研究与实现,TP391.3
  12. 商品热销度分析与展示,TP391.3
  13. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  14. 基于Agent元搜索引擎的个性化研究,TP391.3
  15. 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
  16. 基于特征向量的个性化推荐算法研究,TP391.3
  17. 基于语用情境的资源推荐研究及应用,TP391.3
  18. 动态推荐技术的研究及在个性化电子警务中的应用,D631.1
  19. Web挖掘技术在远程教学系统中的应用,TP391.6
  20. 基于双信息源的协同过滤算法及其应用研究,TP301.6

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 > 信息处理（信息加工） > 检索机
© 2012 www.xueweilunwen.com