个性化推荐系统研究-计算机应用技术专业论文.docx

南 京 邮 电 大 学 硕士学位论文摘要 学科、专业：工学、控制理论与控制工程 研 究 方 向：复杂系统与网络控制 作 者：陈敏 指 导 教 师：顾亦然 副教授 题 目：个性化推荐系统研究 英 文 题目：Research on personalized recommendation system 主 题 词：个性化推荐、社会标签网络、时间加权、三部分 网络 Keywords: Personalized recommendation, Social tagging networks, Time-weighted, Tripartite graphs networks 摘要 随着网络技术的快速发展，信息爆炸式的增长使网络中信息超载问题变的日趋严重，用 户在网络中很难找到有用的信息，一些很少被关注的信息也被淹没在信息的大海中，成为孤 岛信息。传统的搜索引擎无法帮助人们有效的解决这个问题，个性化推荐系统应运而生。推 荐系统的本质就是为用户找到符合其个性偏好的资源对象，现有的推荐系统都不可避免的面 临着很多问题，如推荐精度、“冷启动”和用户兴趣随时间变化等问题。如何有效解决这些问 题成为众多学者的研究目标。 近几年，Web2.0 技术的成熟使得社会标签系统得到广泛应用。社会标签以一种新颖的形 式创造了更好的平台，让人们更高效的查找网络资源。因为社会标签可以提供对象高度抽象 的内容信息和个性偏好信息，因此利用标签辅助推荐有助于提高个性推荐的精度。为了解决 传统个性化推荐系统的局限性问题，本文主要研究如何利用标签系统来提高推荐系统的性能。 针对个性化推荐系统中用户兴趣随时间改变的问题，在用户-标签-对象三部分图结构中，结 合标签使用频率和用户添加标签的时间，提出了一种利用标签时间加权的资源推荐算法,同时 在 Delicious 和 MovieLens 两个数据集中进行仿真实验。实验结果显示利用标签时间加权的 算法能有效地提高推荐的精度和多样性，并且标签类别越丰富，推荐精度就越高。在进一步 的实验中发现，数据集中对象度越小本文提出的推荐方法表现越好，结果也证明本文利用社 会标签提出的推荐算法能够解决推荐中的“冷启动”问题。 关键词：个性化推荐；社会标签网络；时间加权；三部分网络 II II 南京邮电大学硕士研究生学位论文 Abstract Abstract With the rapid development of network technology, the problem of an explosion of information growth making it overload in the network becomes more and more serious. Its difficult for users to find useful information in the network. Some rarely concerned information is also submerged in the sea of information and becomes the isolated island of information. The traditional search engine cant help people to effectively solve this problem and personalized recommendation systems emerge as the times require. Finding their individual preference resources object for users is the essence of recommendation system. Inevitably, recommendation systems are confronted with many problems, such as the accuracy of recommendation, cold start and user interest changes with time and other issues. How to effectively solve these problems become many scholars’ research goals. In recent years, the maturity of Web2.0 technology makes the social tags system widely used. Social tagging systems introduce a novel platform f