動(dòng)態(tài)用戶興趣模型構(gòu)建及推薦算法研究

《動(dòng)態(tài)用戶興趣模型構(gòu)建及推薦算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、？又摩次ｒＴ．ＴＹＩＡＮＪＩＮＵＮＩＶＥＲＳ中國(guó)第—所現(xiàn)代大學(xué)ＦＯＵＮＤＥＤＩＮ１８９５博士學(xué)位論文—級(jí)學(xué)科管理科學(xué)與工程：信息管理與信息系統(tǒng)學(xué)科專(zhuān)業(yè)：馮作者姓名：輕李敏強(qiáng)教授指導(dǎo)教師：天津大學(xué)研究生院２０１７年５月動(dòng)態(tài)用戶興趣模型構(gòu)建及推薦算法研究Dynamicuserinterestmodelingandresearchonrecommendationalgorithm一級(jí)學(xué)科：管理科學(xué)與工程學(xué)科專(zhuān)業(yè)：信息管理與信息系統(tǒng)作者姓名：馮浩源指導(dǎo)教師：李敏強(qiáng)教授天津大學(xué)管理與經(jīng)濟(jì)學(xué)部2017

2、年5月摘要隨著信息時(shí)代的來(lái)臨，人們所接觸的信息呈爆炸式的增長(zhǎng)。如何在海量商品信息中尋找滿意的商品，已成為電子商務(wù)領(lǐng)域亟需解決的“信息過(guò)載”問(wèn)題。推薦系統(tǒng)正是為了解決這類(lèi)問(wèn)題而提出的，能夠快速為用戶提供備選的商品推薦列表，以及對(duì)商品進(jìn)行精準(zhǔn)的評(píng)分預(yù)測(cè)。在個(gè)性化推薦系統(tǒng)中，用戶興趣建模發(fā)揮著核心作用，準(zhǔn)確的獲取用戶興趣是良好推薦的基礎(chǔ)。本文主要研究用戶興趣動(dòng)態(tài)變化規(guī)律，通過(guò)考慮用戶動(dòng)態(tài)社區(qū)構(gòu)建、用戶興趣遺忘過(guò)程模擬，以及用戶對(duì)知識(shí)的學(xué)習(xí)過(guò)程等，描述和刻畫(huà)用戶興趣動(dòng)態(tài)變化。研究?jī)?nèi)容分為以下三個(gè)方面：（1）基于時(shí)權(quán)重疊社區(qū)的個(gè)性化推薦算法。針對(duì)用

3、戶可能同時(shí)具有多種興趣且興趣是不斷變化的，即用戶的多興趣和興趣漂移現(xiàn)象，提出了一種基于時(shí)權(quán)重疊社區(qū)和時(shí)權(quán)關(guān)聯(lián)規(guī)則的個(gè)性化推薦算法。該算法根據(jù)用戶的共同購(gòu)買(mǎi)記錄和時(shí)權(quán)信息構(gòu)建復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，并改進(jìn)了重疊社區(qū)劃分方法，以提高整體算法的多樣性；時(shí)權(quán)關(guān)聯(lián)規(guī)則部分則引入了遺忘函數(shù)，描述用戶的興趣漂移，以提高推薦算法的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，提出的算法在推薦準(zhǔn)確性和多樣性上均優(yōu)于對(duì)比算法。（2）基于興趣演化的用戶模型構(gòu)建及個(gè)性化推薦。借鑒心理學(xué)理論中的“耶基-多德森”定理和知識(shí)采納理論中的個(gè)體吸收理論，構(gòu)建用戶興趣演化模型，并通過(guò)領(lǐng)域劃分技術(shù)和加權(quán)最小二

4、乘回歸方法優(yōu)化演化曲線和演化方程，進(jìn)而刻畫(huà)興趣演化的規(guī)律；再將興趣演化的規(guī)律與推薦算法相結(jié)合，以進(jìn)一步改善推薦算法性能。實(shí)驗(yàn)結(jié)果表明，所提基于用戶興趣演化的個(gè)性化推薦算法相比于經(jīng)典的靜態(tài)和動(dòng)態(tài)推薦算法均表現(xiàn)出了更高的推薦準(zhǔn)確性、更高的時(shí)間效率和更好的解釋性，有效證明了用戶興趣演化規(guī)律。（3）基于興趣漂移和興趣演化的用戶興趣混合模型及推薦。同時(shí)考慮了興趣遺忘和知識(shí)學(xué)習(xí)兩種用戶行為，將興趣演化和興趣漂移相結(jié)合，提出一種修正的用戶興趣激活-衰減函數(shù)，并根據(jù)該函數(shù)構(gòu)造了新的興趣漂移算法，將該興趣漂移算法與興趣演化算法相結(jié)合，構(gòu)建了雙重動(dòng)態(tài)推薦模型

5、，通過(guò)統(tǒng)計(jì)回歸方法優(yōu)化評(píng)分殘差空間，更準(zhǔn)確地捕捉了用戶動(dòng)態(tài)興趣的波動(dòng)。實(shí)驗(yàn)結(jié)果表明，雙重動(dòng)態(tài)的推薦算法相比于對(duì)比的其他動(dòng)態(tài)算法在準(zhǔn)確性上有著明顯的提升。關(guān)鍵詞：個(gè)性化推薦，興趣漂移，興趣演化，復(fù)雜網(wǎng)絡(luò)，電子商務(wù)IABSTRACTWiththecomingofinformationage,theinformationpeoplemaycontacthasanexplosivegrowth.Howtoovercomethe"informationoverload"problemtofindsatisfiedproductsfromvastam

6、ountsofinformationhasbecomeurgentinthefieldofelectroniccommerce.Personalizedrecommendationsystemcanquicklyprovideusersoptionalrecommendationproductsthatusersmayprefer.Inthepersonalizedrecommendationsystem,userinterestmodelingplaysanimportantrole,whichisthemainknowledgesou

7、rceofthepersonalizedrecommendation.Thustogettheuser'sinterestaccurately,isthefoundationofgoodrecommendation.Inthisdissertation,westudythedynamicchangesofuserinterest,throughtheconstructionofdynamiccommunitiesthatusersbelongto,thesimulatedinterestforgettingprocess,andthepr

8、ocessoflearningknowledge,todepicttheuser'schangeableinterests.Themaincontributionsofthisdisserta