群落標(biāo)簽推薦系統(tǒng)體系結(jié)構(gòu)及關(guān)鍵問題研究.pdf

1、隨著信息通訊技術(shù)的發(fā)展，互聯(lián)網(wǎng)的普及，如何幫助用戶在海量的信息中找到其需要的信息成為亟待解決的問題。推薦系統(tǒng)作為克服信息過載，幫助用戶發(fā)現(xiàn)所需信息的工具應(yīng)運(yùn)而生。推薦系統(tǒng)通過分析用戶興趣特征，物品屬性特征，用戶對物品的操作行為，建立用戶興趣模型，預(yù)測用戶對物品的喜好，從而實施推薦。近年來推薦系統(tǒng)被廣泛應(yīng)用于電子商務(wù)等領(lǐng)域，在學(xué)術(shù)上也得到了廣泛而深入的研究，但是隨著數(shù)據(jù)規(guī)模的增大，推薦的內(nèi)容和用戶需求都朝著多元化的方向發(fā)展，推薦系統(tǒng)在體系

2、架構(gòu)，推薦結(jié)果的多樣性和準(zhǔn)確性，算法效率等方面都面臨著一系列挑戰(zhàn)。
　　 本文提出了群落標(biāo)簽推薦系統(tǒng)體系結(jié)構(gòu)，應(yīng)用融合標(biāo)簽的推薦模型和算法，解決推薦系統(tǒng)在預(yù)測準(zhǔn)確率，推薦結(jié)果多樣性，以及推薦算法效率三方面的問題，并在標(biāo)準(zhǔn)數(shù)據(jù)集上驗證算法和模型的有效性。本文的主要工作和貢獻(xiàn)如下：
　　 1在群落標(biāo)簽推薦系統(tǒng)的模型設(shè)計方面：本文以提高推薦系統(tǒng)的綜合質(zhì)量為目標(biāo)，在分析現(xiàn)有的推薦系統(tǒng)模型的基礎(chǔ)上，提出了融合群落標(biāo)簽信息的推薦系統(tǒng)

3、模型，改進(jìn)推薦的準(zhǔn)確性、多樣性和效率。并在此基礎(chǔ)上設(shè)計推薦系統(tǒng)的體系結(jié)構(gòu)，根據(jù)用戶的實際需求選擇推薦算法和策略，提高系統(tǒng)的靈活性與適用性。
　　 2在提升推薦內(nèi)容多樣性和分析用戶對于不同領(lǐng)域物品興趣標(biāo)簽的關(guān)聯(lián)研究方面：本文分析了跨域推薦問題，提出了基于域間近鄰模型的跨域推薦算法，并且通過物品的群落標(biāo)簽，建立用戶對于不同領(lǐng)域物品的喜好在語義標(biāo)簽的關(guān)聯(lián)關(guān)系，從而挖掘領(lǐng)域間喜好的關(guān)聯(lián)規(guī)則。實驗結(jié)果表明，域間近鄰模型能夠有效地解決跨域交

4、叉推薦問題，即可以根據(jù)用戶對一類物品的喜好向其推薦另一類的物品；同時采用關(guān)聯(lián)規(guī)則的方法分析物品標(biāo)簽，挖掘用戶對于不同類別物品的喜好在語義上的關(guān)聯(lián)關(guān)系，為跨域推薦提供解釋。
　　 3在應(yīng)用標(biāo)簽改進(jìn)推薦準(zhǔn)確性方面：分別在圖模型和潛在因素模型中融合屬性標(biāo)簽，提高Top-N推薦的命中率和預(yù)測評分推薦的準(zhǔn)確度。實驗結(jié)果表明，相對于經(jīng)典的協(xié)同過濾推薦算法，融合屬性標(biāo)簽信息的推薦模型能夠提高推薦的準(zhǔn)確性。
　　 4在提高推薦算法的效率

5、研究方面：針對現(xiàn)有協(xié)同過濾推薦算法的效率問題，分別在聚類模型和奇異值分解模型的基礎(chǔ)上，提出了基于概率聚類的預(yù)測評分模型和增量式奇異值分解模型。實驗驗證，相比于經(jīng)典的推薦算法，本文提出的高效預(yù)測評分算法在推薦效率、準(zhǔn)確性等方面有較大的優(yōu)勢，可以用于實時推薦。
　　 本文最后通過實現(xiàn)面向讀物的Readings推薦服務(wù)，驗證了群落標(biāo)簽推薦系統(tǒng)架構(gòu)和相關(guān)的算法可以被應(yīng)用于實際的推薦系統(tǒng)中，能夠有效地改進(jìn)讀物推薦的準(zhǔn)確性、多樣性和效率，提