基于替代品模型的推荐系统研究

论文摘要

信息过滤作为从信息检索衍生出来的新的研究点,越来越受到关注。针对搜索引擎返回的大量结果,使用信息过滤技术进行过滤可以大大提高索引精度,同时提供一些信息检索所不能提供的个性化服务。推荐系统是信息过滤技术的应用。传统的推荐系统主要是基于两种类型的过滤技术——基于内容的过滤以及协同过滤。本文在传统过滤的基础上结合经济学中的“替代品”引入了“相关集”的概念。当A项目增加的数量与B项目的减少数量存在比例关系时,称A项目和B项目是“替代品”。“相关集”是指项目的变化量之间存在一定比例关系的项目的集合。项目变化量之间的比例关系称为“相关率”。“相关集”是对替代品概念的扩充,其包括正向相关和反向相关。正向相关是指项目的数量变化存在正比例的数量关系。反向相关是指项目的数量变化存在反比例的数量关系。而“替代品”是反向相关的一个例子。“相关集”的引入对推荐项目进行了进一步的细分,使推荐项目变化量之间具有数量上的关系。同时针对不同用户设置其相应的“相关集”,可以更加准确的描述用户的偏好。文中介绍了两种构造相关集的方法。一种是“连续型构造方法”。连续型的构造方法是根据用户的历史纪录用回归方法得出该项目的

论文目录

• 摘要
• ABSTRACT
• 第一章 概述
• 1.1 研究背景
• 1.2 信息过滤的研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究现状
• 1.3 本文的组织结构
• 1.4 本章小结
• 第二章 信息过滤的相关研究
• 2.1 信息过滤的特点
• 2.2 信息过滤的分类
• 2.3 协同过滤
• 2.3.1 协同过滤思想
• 2.3.2 协同过滤的分类
• 2.3.3 协同过滤的特点
• 2.3.4 协同过滤存在的问题
• 2.4 基于经济学的推荐技术
• 2.4.1 传统基于经济学的推荐技术
• 2.4.2 本系统的推荐技术
• 2.5 本章小结
• 第三章 基于替代品模型的推荐系统
• 3.1 相关集定义
• 3.2 用户上下文
• 3.2.1 相关集的构造
• 3.2.2 连续型构造
• 3.2.3 离散型构造
• 3.2.4 用户偏好描述
• 3.2.5 用户上下文的构造
• 3.3 带上下文的推荐算法
• 3.4 连续型带上下文的推荐算法
• 3.5 离散型带上下文的推荐算法
• 3.6 用户相似度计算
• 3.7 选择项目概率计算
• 3.8 实验比较
• 3.8.1 实验一
• 3.8.2 实验二
• 3.9 本章小结
• 第四章 原型系统的设计与实现
• 4.1 系统架构分析
• 4.2 系统各模块功能的设计与实现
• 4.2.1 数据预处理模块的设计
• 4.2.2 用户模型模块的设计
• 4.2.3 学习模块的设计
• 4.2.4 推荐模块的设计
• 4.2.5 原型系统的实现
• 4.3 本章小结
• 第五章 结论和将来的工作
• 5.1 总结
• 5.2 将来的工作
• 参考文献
• 致谢
• 硕士期间发表论文