基于用户情境的协同推荐算法研究与应用

论文摘要

随着互联网的普及和电子商务的迅猛发展,个性化的推荐系统成为电子商务领域一个重要的研究内容。推荐算法作为个性化推荐系统的核心,它的性能与整个推荐系统的推荐效率、推荐质量以及用户的使用感受紧密相关。目前,现有的推荐系统中运用较多的推荐算法有基于关联规则的推荐算法、基于内容的推荐算法、协同推荐算法。基于关联规则的推荐算法中,关联规则的数量会随着系统的规模增大而巨增。基于内容的推荐算法只能推荐与用户兴趣相似的资源,无法发现新的、潜在的用户兴趣。协同推荐技术作为至今最成功的推荐技术,已经在许多实际的推荐系统中得到了大量的应用。它虽然可以为用户发现潜在的兴趣,但传统的协同推荐算法均是由用户对项目的评分作为切入点。由于评分并不能全面反映一个人的兴趣爱好。同时,个人的兴趣爱好与其职业、年龄、教育水平等一系列自身的因素有密不可分的联系,有相似属性的人群也容易产生相似的爱好。因此,本文提出了基于用户情境的协同推荐算法。该算法按照用户情境对用户进行聚类,使得每个用户能够准确找到与自己相似度高的邻居。在同一类中,根据用户的历史评分以及项目间的相异性,为目标项目计算预测评分,从而获得目标用户所需要的推荐结果。本文的主要研究工作有:(1)在深入分析现有推荐算法的情境缺失问题后,结合情境语义学以及对用户的兴趣爱好有影响的、自身的自然属性和社会属性,提出了用户情境的描述方式以及形式化表示方法,并进一步对用户情境进行研究,提出了用户情境的分类方法。(2)研究常见变量类型的相异度计算方法,利用相异度矩阵,给出了多情境因素下静态用户情境的聚类方法,并结合Slope One算法中对目标项目的预测值方法,提出了基于用户静态情境的协同推荐算法。(3)在MovieLens数据集上利用Matlab对传统的基于项目的协同推荐算法、Slope One算法和本文提出的算法进行了对比试验。实验结果表明,本算法较之传统推荐算法和Slope One算法在平均绝对误差值上有一定的提高,证明了本算法的可行性与有效性。(4)结合作者参与的高等教育出版社基于本体、语义和语用的智能化教育平台项目,设计了一个采用基于用户情境的协同推荐算法的个性化推荐系统模型,以此说明该算法在实际中的应用方式。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 个性化推荐系统的研究背景
• 1.2 国内外研究现状
• 1.2.1 推荐系统研究现状
• 1.2.2 推荐算法研究现状
• 1.3 本文研究的主要内容
• 1.4 论文的结构安排
• 2 个性化推荐技术
• 2.1 基于关联规则的个性化推荐
• 2.1.1 关联规则介绍
• 2.1.2 关联规则挖掘的过程
• 2.1.3 关联规则挖掘的相关算法
• 2.2 基于内容的个性化推荐技术
• 2.2.1 基于内容的推荐技术基本思想
• 2.2.2 基于内容的推荐技术优缺点
• 2.3 协同推荐技术
• 2.3.1 协同推荐技术简介
• 2.3.2 协同推荐技术的实现流程
• 2.3.3 协同推荐技术分类
• 2.4 本章小结
• 3 用户情境表示与聚类分析
• 3.1 情境语义学简介
• 3.2 用户情境在本文中的含义
• 3.3 聚类分析介绍
• 3.3.1 聚类分析
• 3.3.2 聚类分析中的数据类型
• 3.3.3 基于等价相异度矩阵的聚类方法
• 3.4 用户情境的聚类方法
• 3.5 本章小结
• 4 基于用户情境的协同推荐算法
• 4.1 基于用户情境的协同推荐算法
• 4.1.1 Slope One 算法原理
• 4.1.2 基于用户情境的协同推荐算法
• 4.2 算法实验及分析
• 4.2.1 实验环境与评价标准
• 4.2.2 实验过程及结果
• 4.2.3 实验结果分析
• 4.3 本章小结
• 5 基于用户情境的协同推荐算法应用
• 5.1 概述
• 5.2 系统框架
• 5.3 功能模块设计
• 5.3.1 资源库管理
• 5.3.2 用户情境管理
• 5.3.3 资源推荐管理
• 5.3.4 用户管理
• 5.4 本章小结
• 6 总结及展望
• 6.1 全文工作总结
• 6.2 下一步工作展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读学位期间发表的论文目录
• B. 作者在攻读学位期间科研工作情况