基于图模型的个性化推荐技术研究

论文摘要

电子商务已经成为贸易自由化、经济全球化的重要手段,同时也是传统产业变革的关键推动力。电子商务能节约商家进行商业活动的成本,简化商务活动的流程并缩短其运行周期,进而提高经济效益。同时,电子商务的迅速发展使得信息过载,用户难以找到需要的商品,企业也无法做出正确的决策,由此产生了电子商务推荐系统。但目前的电子商务推荐系统存在许多问题,如数据稀疏影响推荐质量,系统可扩展能力差,有用信息的表示不够完整等等。针对这些问题,论文利用图模型思想对个性化推荐技术进行了探索和研究。主要内容和研究成果有以下四个方面:首先,介绍了电子商务和个性化推荐系统的概念、功能,描述了个性化推荐系统的构成和相关的技术。分析了图模型的构造过程和优点,并简述了小世界网络模型的来源和特征。其次,利用小世界网络模型构造用户层网络,在传统小世界网络模型中引入加权边,并通过相似度计算权值。在构建的用户网络中,通过定义流动阻力和最小流动阻力来衡量用户网络节点间的差异程度,并在流动阻力的基础上定义了网络的流动效率,用于统一网络全局和局部聚类特征的衡量标准。第三,在已有研究的基础上,提出了加权小世界网络模型的重连边算法,并在构建加权小世界网络模型的同时,对用户层网络中的用户进行了聚类。通过实验验证了此模型和算法具有可行性,并能提高用户聚类的效果。最后,在商品层,通过结构学习和参数学习构建了贝叶斯网络,结合用户层网络构建了两层图模型,给出基于图模型的个性化推荐算法,并验证其可行性和优越性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 电子商务
• 1.1.2 个性化推荐系统
• 1.1.3 图模型
• 1.2 国内外研究现状
• 1.3 本文研究内容
• 1.4 论文结构
• 第2章 个性化推荐系统的图模型
• 2.1 个性化推荐系统及其技术
• 2.1.1 个性化推荐系统的构成
• 2.1.2 个性化推荐系统中的相关技术
• 2.2 电子商务推荐系统中的图模型
• 2.2.1 两层图模型
• 2.2.2 图模型分析
• 2.2.3 图模型的优点
• 2.3 小世界网络
• 2.4 贝叶斯网络
• 2.5 小结
• 第3章 基于加权小世界网络模型的用户聚类技术
• 3.1 小世界网络模型简介
• 3.2 用户网络的构建
• 3.2.1 用户网络的定义
• 3.2.2 用户网络中的相似度计算
• 3.3 流动阻力和流动效率
• 3.3.1 流动阻力定义及计算
• 3.3.2 流动效率定义及计算
• 3.4 加权小世界网络下的用户聚类
• 3.4.1 加权小世界网络的构建思想
• 3.4.2 加权小世界网络的重连边算法
• 3.4.3 新用户的兴趣分析
• 3.5 小结
• 第4章 基于图模型的个性化推荐
• 4.1 贝叶斯网络简介
• 4.2 贝叶斯网络的构建
• 4.2.1 商品网络的定义
• 4.2.2 贝叶斯网络的结构学习
• 4.2.3 贝叶斯网络的参数学习
• 4.3 图模型的构建
• 4.4 个性化推荐算法
• 4.5 小结
• 第5章 基于图模型的个性化推荐技术实验
• 5.1 实验准备
• 5.1.1 实验环境
• 5.1.2 实验数据介绍
• 5.2 加权小世界网络中的实验及分析
• 5.3 个性化推荐的实验及分析
• 5.3.1 评估标准
• 5.3.2 个性化推荐结果分析
• 5.4 小结
• 结论
• 参考文献
• 致谢
• 攻读硕士期间发表（含录用）的学术论文