学位论文 > 优秀研究生学位论文题录展示

基于社会上下文约束和物品上下文约束的协同推荐

作　者: 蔡瑞瑜
导　师: 吴飞
学　校: 浙江大学
专　业: 计算机应用
关键词: 社会上下文约束物品上下文约束低秩矩阵分解隐含变量模型
分类号: TP391.3
类　型: 硕士论文
年　份: 2012年
下　载: 59次
引　用: 0次
阅　读: 论文下载

内容摘要

随着Web 2.0技术的发展,互联网在人们生活中扮演着越来越重要的角色。近年来,电子商务的普及和完善大大改变了人们的生活习惯。然而由于网络的飞速发展导致了信息量的膨胀,如何给用户提供有用的信息成为了一个研究热点,推荐系统也应用而生。传统的协同过滤推荐系统通过分析用户的行为和喜好计算用户的相似度,综合考虑这些相似用户对于物品的评价来形成对原用户的推荐信息。然而由于现实应用中用户数据的稀疏性导致了相似度计算不准确,从而使得推荐结果也不够理想。如何克服数据稀疏性带来的问题成为了推荐算法研究的热点和重点。近年来,随着Twitter, Facebook等社区产品的发展和流行,网络中的用户之间通过一些交互行为形成了丰富的关系。这些由交互行为形成的关系一方面反应了用户的兴趣爱好,另一方面又体现着用户与用户之间的关系。如何去挖掘有用的信息来协助推荐,从而达到改善推荐结果的目的成为了一个新的思路。为了提高协同推荐的性能,本文在低秩矩阵分解(Low-rank Matrix Factorization)过程中引入社会上下文约束(Social Context Regularization)和物品上下文约束(Item Context Regularization),提出了基于社会上下文约束和物品上下文约束的协同推荐算法(Collaborative Recommendation by Social Context Regularization and Item Context Regularization),从而提高推荐精度,该算法通过低秩矩阵分解将用户评价矩阵分解为低秩矩阵A,并且使得A满足以下条件：1)A是低秩矩阵；2)A满足用户社会上下文约束,即同一兴趣组内(社区内)用户之间偏好类似,不同兴趣组之间用户偏好差异较大；3)同时A也满足物品上下文约束,即同一兴趣组内(社区内)物品差异较小,不同兴趣组之间物品差异较大。实验证明,本文提出的算法优于其它协同推荐算法,并且具有广泛适用性。

全文目录

摘要  3-4
Abstract  4-10
第1章绪论  10-15
  1.1 课题背景  10-12
  1.2 研究目的和主要工作  12-13
  1.3 论文组织结构  13
  1.4 本章小结  13-15
第2章相关研究工作综述  15-28
  2.1 协同过滤算法概述  15-23
    2.1.1 算法模型  15-17
    2.1.2 几种评价策略  17-18
      2.1.2.1 MAE(Mean Absolute Error)  17
      2.1.2.2 DOA(degree of agreement)  17-18
      2.1.2.3 F1-metric  18
    2.1.3 几种典型的协同过滤方法  18-22
      2.1.3.1 启发式的协同过滤方法(memory-based CF)  19-20
      2.1.3.2 基于模型的协同过滤方法(model-based CF)  20-22
    2.1.4 协同过滤方法面临的问题及其改进策略  22-23
  2.2 结合社会化信息的协同过滤算法综述  23-27
    2.2.1 社会化标签在推荐中的应用  24-25
    2.2.2 社会关系在推荐中的使用  25-27
  2.3 本章小结  27-28
第3章基于社会上下文约束的协同推荐  28-41
  3.1 问题描述  28-30
  3.2 隐含变量矩阵分解模型  30-32
  3.3 基于社会上下文约束的协同推荐  32-39
    3.3.1 社会上下文约束——平均差模型  33-37
    3.3.2 社会上下文约束——个体差值模型  37-39
  3.4 本章小结  39-41
第4章基于物品上下文约束的协同推荐  41-50
  4.1 算法概述  41
  4.2 基于物品上下文约束的协同推荐  41-46
    4.2.1 物品上下文约束——平均差模型  42-44
    4.2.2 物品上下文约束——个体差值模型  44-46
  4.3 基于社会上下文约束和物品上下文约束的协同推荐  46-49
  4.4 本章小结  49-50
第5章实验结果  50-59
  5.1 实验数据集  50-52
  5.2 评价标准  52
  5.3 对比方法  52-54
  5.4 实验结果与分析  54-58
  5.5 本章小结  58-59
第6章总结与展望  59-62
  6.1 工作总结  59-60
  6.2 创新点  60
  6.3 改进设想  60-61
  6.4 未来展望  61-62
参考文献  62-65
攻读硕士学位期间主要的研究成果  65-66
致谢  66-67
作者简介  67

基于社会上下文约束和物品上下文约束的协同推荐

内容摘要

全文目录

相似论文