基于主动学习的用户冷启动推荐分析-计算机软件与理论专业论文.docxVIP

苏州大学学位论文使用授权声明 本人完全了解苏州大学关于收集、保存和使用学位论文的规定， ftp: 学位论文著作权归属苏州大学。本学位论文电子文档的内容和纸 质论文的内容相一致。苏州大学有权向国家图书馆、中国社科院文献 信息情报中心、中国科学技术信息研究所〈含万方数据电子出版社〉、 中国学术期刊〈光盘版〉电子杂志社送交本学位论文的复印件和电子 文档，允许论文被查阅和借阅，可以采用影印、缩印或其他复制手段 保存和汇编学位论文，可以将学位论文的全部或部分内容编入有关数 据库进行检索。 本学位论文属 涉密论文口 论文作者签名 z 导师签名z 期:Yt S ? 日期: O) ‘ Y I I 基于主动学习的用户冷启动推荐研究 摘要 基于主动学习的用户冷启动推荐研究 摘要 协同过滤推荐是个性化推荐系统中应用最成功、最广泛的一种技术，但该技术 不能为系统中的新用户产生精准的项目推荐，这就是用户冷启动问题。挑选项目引 导新用户评分，以获得更多的用户偏好信息，是解决用户冷启动问题的常用方法。 将主动学习用于评分引导过程，用尽可能少的交互次数获得信息含量较高的评分数 据，从而为新用户进行项目推荐，关键在于主动学习项目选择策略的设计。针对此， 本文进行了详细的研究，主要研究工作如下： (1) 深入研究了协同过滤推荐、主动学习以及主动学习用于用户冷启动推荐的 相关内容，为后续的工作提供理论基础。 (2) 在基于用户的协同过滤推荐中，提出了一种自适应主动学习方法。在项目 选择过程中，自适应方法能动态调整不确定性和代表性的权重分配，基于用户满意 度最大化标准择优选择当前最有价值的项目交由用户评分。在常用推荐数据集上的 实验结果表明，自适应方法能有效获得冷启动用户的高质量评分信息，提高了推荐 准确率。 (3) 针对新用户可能不会为查询项目提供评分的情况，提出了一种融合矩阵分 解特征的主动学习方法。该方法充分利用矩阵分解的特征信息挑选热门项目给用户 评分，目标就是使挑选出的项目最有可能被新用户评价并且能够充分利用当前用户 与训练用户给出的评分信息。与多个方法的对比实验结果表明，在查询相同数量项 目的情况下，融合矩阵分解特征的主动学习方法能获得更多有效的评分数据。 关键词：推荐系统，协同过滤，评分引导，主动学习，用户冷启动 作 者：李承超 指导教师：崔志明（教授） II II Abstract Research on Active Learning for User Cold-start Recommendation Research on Active Learning for User Cold-start Recommendation Abstract Collaborative filtering technology is one of the most successful and widely used technologies in the personalized recommender systems, but it can’t make accurate recommendations for new users in the system, which is called the user cold-start problem. To address this cold start scenario, rating elicitation is usually employed, which profiles user’s preference information by acquiring ratings for selected items. Active learning can be connected with rating elicitation task in recommender systems, to elicit the most valuable ratings with as little interactions as possible. The key problem is to design an active learning strategy for rating elicitation. A detailed study for this problem is carried out in this paper. The main research works are as follows: We delve related content of collaborative filtering recommendation, active learning and