基于图模型的个性化标签推荐技术研究-计算机软件与理论专业论文.docxVIP

重庆大学硕 重庆大学硕士学位论文 目 录 PAGE PAGE IV 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 研究背景及意义 1 1.2 国内外研究现状 3 1.2.1 国外研究现状 3 1.2.2 国内研究现状 4 1.3 本文研究内容 5 1.4 论文结构 6 2 标签系统及相关技术 8 2.1 推荐系统概述 8 2.2 标签系统概述 10 2.2.1 标签系统模型 10 2.2.2 标签 11 2.2.3 标签系统的实例 12 2.3 标签系统和协同过滤 15 2.3.1 传统的协同过滤方法 15 2.3.2 利用标签扩展的协同过滤方法 17 2.4 个性化标签推荐 18 2.4.1 为什么要推荐标签 18 2.4.2 个性化标签推荐原理 18 2.4.4 标签推荐算法分类 20 2.5 本章小结 22 3 基于三部图的个性化标签推荐技术 23 3.1 二部图理论 23 3.2 标签系统的三部图 24 3.3 基于三部图的推荐技术 25 PageRank 算法 25 HYPERLINK \l _TOC_250005 FolkRank 算法 26 3.4 基于三部图张量分解的方法 27 3.5 本章小结 29 4 基于加权三部图的个性化标签推荐方法 30 HYPERLINK \l _TOC_250004 GMTR 算法思想 30 HYPERLINK \l _TOC_250003 GMTR 关键技术 30 HYPERLINK \l _TOC_250002 TF-IDF 30 HYPERLINK \l _TOC_250001 Okapi BM25 31 HYPERLINK \l _TOC_250000 GMTR 算法实现 32 4.3.1 构造稀疏矩阵 32 4.3.2 权重策略 35 4.3.3 标签推荐 36 5 实验结果与分析 38 5.1 实验数据 38 5.2 评价方法 38 5.3 实验结果与分析 39 5.4 本章小结 45 6 总结与展望 46 致 谢 48 参考文献 49 附 录 53 作者在攻读学位期间发表的论文目录 53 重庆大学 重庆大学硕士学位论文 1 绪 论 PAGE PAGE 10 1 绪 论 1.1 研究背景及意义 随着信息技术的飞速发展和互联网的普及，用户分享知识和获取信息的渠道 以及在互联网中所扮演的角色逐渐发生了改变。他们在获取信息的同时也在创造 信息，从单纯的信息消费者转变为信息的生产者和消费者两重身份。用户作为信 息生产者在不断地创造和传播信息，互联网上的信息呈爆炸式的增长。现今的互 联网包含了形式各样的信息资源，除了基本的文字信息，还有其它丰富的多媒体 资源。用户在享受丰富的网络资源的同时也遇到了信息资源规模过大的问题。信 息资源的不断增长，从一方面来说使得用户可以浏览更多的信息，但是从另一方 面来讲，信息过载的问题导致用户在庞大的信息资源面前，所看到的大部分是垃 圾信息，用户要找到自己真正感兴趣的信息资源就像海底捞针。 面对信息过载的问题，较早的解决方法是以雅虎为代表的分类目录和以谷歌 为代表的搜索引擎技术。雅虎和谷歌类似网站极大的方便了用户。著名的互联网 公司雅虎通过将热门的网站分类处理，用户可以根据网站类别进行查找，网站 Hao123 是国内用户使用较多的导航网站，它是典型的分类目录网站。但是互联网 规模的蔓延速度难以想象，只有极少的热门网站被分类目录收集，这在一定程度 上根本不能满足用户的需求。搜索引擎的诞生从某些方面解决了分类目录所出现 的问题，从很大的程度给用户带来了便利。以搜索引擎中最为网络用户熟知的谷 歌为例，用户只需要输入一个或多个关键词，就可以找到自己所需要的信息。搜 索引擎根据用户提供的关键词给用户反馈这些关键字相关的信息，利用搜索引擎 寻找感兴趣的信息是互联网用户广泛使用的一种方法，例如国内的著名搜索引擎 百度等。但是搜索引擎有一个问题是用户必须知道自己的明确需求并且必须主动 提供准确的关键词，对于用户的其他需求，搜索引擎也是无能为力。例如不同的 用户在输入相同的关键词时往往想要获取的信息也是不同的。但搜索引擎看不到 这一点，只要你输入了相同的关键词，反馈给用户的一般是同一结果。因而搜索 引擎的结果反馈方面不能迎合用户的个性化特点，人们急切希望能有一个更加智 能的工具或方法帮助他们选择感兴趣的个性化信息，在这种背景下推荐系统应运 而生。 推荐系统的最终目的是为了帮助用户方便快速地定位有用的信息，这一点与 搜索引擎的功能类似。但它们还是存在明显的区别，推荐系统是通过分析用户历 史行为进行建模表示用户的兴趣偏好，而不用去考虑用户是否有明确的需求。推 荐系统在在电子商务领域得到良好的发展和应用，几乎所有