学位论文 > 优秀研究生学位论文题录展示

基于Web数据挖掘的智能推荐研究

作　者: 古丽拜天.卡米尔
导　师: 邓晓衡
学　校: 中南大学
专　业: 交通信息工程及控制
关键词: Web数据挖掘 个性化推荐 推荐系统
分类号: TP391.3
类　型: 硕士论文
年　份: 2010年
下　载: 53次
引　用: 0次
阅　读: 论文下载
 

内容摘要


互联网上的Web站点包含海量信息具有复杂的结构,很多站点往往使用个性化推荐系统来协助我们的用户方便快捷地找到所需信息,培养用户忠诚度。个性化推荐系统在当代信息社会具有巨大的现实需求,是信息服务发展的必然趋势。Web数据挖掘技术在面对处理海量数据和稀疏数据上有着先天的优势,所以在个性化推荐系统中Web数据挖掘技术得到了越来越广泛的研究和应用。本文介绍了基于Web数据挖掘的个性化推荐系统中的相关概念、分析其相关运用技术。面向电子商务应用,本文提出了一个推荐系统的模型,详细探讨了数据预处理的各个步骤,分析了各步骤的目的、方法,并给出了每步的算法实现。着重研究基于用户的协同过滤与基于项目的协同过滤算法,并分析两者的优缺点及其互补性,在此基础上改进并实现了基于用户和项目协同过滤推荐算法。在此基础上,为了验证基于用户和项目的协同过滤推荐算法的效果,我们以协同过滤领域的著名数据库MovieLens作为实验数据库,利用基于用户和项目推荐算法进行了分析处理。实验结果表明本文提出的基于用户和项目推荐算法在算法理论研究和实验结果方面都有一定的成绩,是个性化推荐研究中的成功的尝试。最后,实现了中南大学图书馆图书推荐系统原型。未来拟通过将本推荐系统与其他类似的推荐系统在性能指标上进行全面比较,进一步分析与评估推荐系统的性能,研究提高系统的综合性能的方法。

全文目录


摘要  4-5
ABSTRACT  5-10
第一章 绪论  10-15
  1.2 研究背景  10-11
  1.3 国内外研究现状  11-13
  1.4 本文的主要工作  13
  1.5 本文的内容组织安排  13-15
第二章 相关理论和研究现状  15-25
  2.1 数据挖掘(Data Mining)  15-16
  2.2 Web数据挖掘  16-18
    2.2.1 Web数据挖掘的定义  16
    2.2.2 Web数据挖掘的分类  16-18
  2.3 Web使用挖掘  18-21
    2.3.1 Web使用挖掘过程  18-20
    2.3.2 Web使用挖掘的应用范围  20-21
  2.4 个性化推荐系统  21-23
    2.4.1 基于协同过滤的推荐系统  22
    2.4.2 基于内容的推荐系统  22-23
    2.4.3 基于规则的推荐系统  23
    2.4.4 基于知识的推荐系统  23
  2.5 本章小结  23-25
第三章 个性化推荐系统的模型设计  25-34
  3.1 推荐系统的模型设计  25-26
  3.2 数据预处理  26-28
    3.2.1 数据清理  26-27
    3.2.2 用户识别  27-28
    3.2.3 会话识别  28
  3.3 基于协同过滤的推荐系统  28-33
    3.3.1 基于用户的协同过滤  29-30
    3.3.2 基于项目的协同过滤  30-31
    3.3.3 协同过滤存在的问题以及解决办法  31-33
  3.4 本章小结  33-34
第四章 基于用户和项目的协同过滤算法  34-50
  4.1 User-based协同过滤  34-37
    4.1.1 User-based协同过滤推荐算法  34-36
    4.1.2 User-based协同过滤推荐算法的优缺点  36-37
  4.2 Item-based协同过滤  37-39
    4.2.1 Item-based协同过滤推荐算法  37-38
    4.2.2 Item-based协同过滤推荐算法的优缺点  38-39
  4.3 基于用户和项目的协同过滤推荐算法  39-41
    4.3.1 任意项目的邻居项目的确定  39-40
    4.3.2 预测任意用户对任意项目的评价  40
    4.3.3 预测目标用户对项目的评价  40
    4.3.4 算法分析  40-41
  4.4 实验结果及分析  41-49
    4.4.1 实验测试数据集  41-42
    4.4.2 实验环境  42
    4.4.3 评价标准  42-43
    4.4.4 实验过程  43
    4.4.5 实验结果  43-47
    4.4.6 实验结果分析  47-49
    4.4.7 实验结论  49
  4.5 本章小结  49-50
第五章 中南大学图书馆图书推荐系统原型  50-54
  5.1 原型设计  50-51
  5.2 模块设计  51-52
  5.3 系统特点  52-53
  5.4 本章小结  53-54
第六章 结束语  54-56
  6.1 本文研究工作总结  54
  6.2 后续的研究工作与展望  54-56
参考文献  56-60
致谢  60-61
攻读硕士学位期间完成论文情况  61
攻读硕士学位期间参加的科研项目情况  61

相似论文

  1. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  2. 基于自然遗忘的个性化推荐算法研究,TP311.52
  3. 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
  4. 基于WEB平台的家电类产品智能导购系统的研究,TP311.52
  5. Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3
  6. 社会化网络中的推荐算法及其应用,TP391.3
  7. 基于数据挖掘技术的求职招聘系统设计与实现,TP311.13
  8. 个性化医疗信息推荐系统的研究与实现,R319
  9. 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
  10. 基于GPU的图书推荐系统研究与实现,TP391.3
  11. 商品热销度分析与展示,TP391.3
  12. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  13. 基于社会标签系统的推荐技术研究,TP391.3
  14. 基于Web数据挖掘的个性化搜索引擎研究,TP391.3
  15. 基于Agent元搜索引擎的个性化研究,TP391.3
  16. 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
  17. 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
  18. 基于特征向量的个性化推荐算法研究,TP391.3
  19. Web挖掘技术在远程教学系统中的应用,TP391.6
  20. Agent电子商务推荐系统下协同过滤技术研究,F713.36
  21. 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