个性化推荐系统的多样性与新颖性研究

发布时间：2023-08-01 18:03

　　近年来,随着移动互联网应用的快速发展和Web 2.0应用的流行,个性化推荐系统在帮助用户挖掘感兴趣的内容和帮助企业做产品推广等方面发挥着越来越重要的作用。个性化推荐系统被广泛地应用于人们生活的方方面面,例如金融、资讯、社交、旅游、教育等等领域。目前有越来越多的研究学者致力于研究如何优化推荐系统的准确性、多样性、新颖性等指标,以满足各领域用户越来越高的需求。在面向实际应用的推荐系统中,针对推荐系统如何同时满足准确性、多样性和新颖性这一研究目标,一个重要的研究分支就是基于二部图网络结构的推荐算法的相关研究。这类算法引起了研究学者的浓厚研究兴趣,但是仍然存在一些问题:(1)就优化目标而言,大多数推荐算法研究都集中在提高算法的准确性上,而推荐质量的多样性、新颖性等指标或多或少被忽略了;(2)个性化推荐系统的准确性与多样性(和新颖性)存在“此消彼长”的难题;(3)基于网络结构的算法模型在准确性和多样性等表现上有所局限,需要利用其他算法的多样性和新颖性等方面的优势。针对这些问题,本文进一步分析了用户活跃度和物品流行度在推荐算法中的重要作用,对基于二部图网络结构的类扩散推荐算法的准确性、多样性和新颖...

【文章页数】：117 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究现状
        1.2.1 推荐系统的多样性与新颖性研究进展
        1.2.2 基于二部图的类扩散算法研究进展
    1.3 本文的主要贡献与创新
    1.4 本论文的结构安排
第二章 推荐系统基础知识
    2.1 推荐系统的应用
    2.2 推荐系统面临的挑战
    2.3 常用推荐算法
        2.3.1 基于记忆的协同过滤推荐算法
        2.3.2 基于网络结构的类扩散推荐算法
        2.3.3 基于内容的推荐算法
        2.3.4 基于模型的推荐算法
        2.3.5 混合推荐算法
    2.4 推荐系统的评价指标
        2.4.1 评分预测准确性指标
        2.4.2 排序准确性指标
        2.4.3 多样性和新颖性指标
    2.5 本文所用实验数据集
        2.5.1 常用数据集
        2.5.2 自建数据集
    2.6 本章小结
第三章 Eh-系列算法:基于增强型RA相似度的类物质扩散算法
    3.1 问题的提出
    3.2 类物质扩散算法步骤
    3.3 增强型RA相似度作用
    3.4 Eh-系列算法实验结果及分析
    3.5 本章小结
第四章 ExTrA-系列算法:基于虚拟专家用户提高推荐系统多样性
    4.1 问题的提出
    4.2 相关研究工作
    4.3 基于虚拟专家用户的类物质扩散算法
        4.3.1 现有类物质扩散算法具体步骤
        4.3.2 什么样的用户可以作为虚拟专家用户?
        4.3.3 基于虚拟专家用户的类物质扩散算法步骤
        4.3.4 准确性与多样性的实例分析
    4.4 5种虚拟专家用户选取方法
    4.5 算法对比实验结果
        4.5.1 多样性对比实验结果
        4.5.2 新颖性对比实验结果
        4.5.3 数据集稀疏性的影响
        4.5.4 推荐列表长度的影响
    4.6 本章小结
第五章 HI-系列算法:物质扩散与协同过滤的混合算法
    5.1 问题的提出
    5.2 现有算法性能优缺点分析
    5.3 物质扩散与协同过滤混合算法
        5.3.1 算法描述
        5.3.2 推荐性能提升情况
        5.3.3 算法性能随推荐参数变化情况
    5.4 本章小结
第六章 Wikification:MOOC平台学习资源推荐系统
    6.1 问题的提出
    6.2 相关研究工作
    6.3 Wikification推荐系统设计
        6.3.1 数据预处理系统
        6.3.2 推荐系统
    6.4 Wikification推荐系统性能评测
        6.4.1 推荐准确率
        6.4.2 关键短语覆盖率
    6.5 本章小结
第七章 总结与展望
    7.1 研究工作总结
    7.2 未来工作展望
附录
致谢
参考文献
攻读博士学位期间取得的成果



本文编号：3838092