基于社会化标签的个性化推荐技术研究

论文摘要

随着互联网和电子商务的迅猛发展,同时带来了信息超载的问题,用户需要花费大量时间去浏览过量的商品信息,很难从海量的商品信息中找到自己感兴趣的商品,从而造成用户的逐渐流失。所以电子商务网站能否获得更高的利润与用户的需求能否得到满足是密切相关的。在此背景下,个性化推荐系统应用而生。推荐系统能够帮助用户寻找其感兴趣的商品,提高用户对电子商务网站的信任度,为网站创造出更好的效益。本文首先介绍了电子商务、个性化推荐系统、Web挖掘技术以及社会化标签等研究内容,然后详细描述了现在应用最为广泛的两大推荐技术即协同过滤推荐技术和基于内容的推荐技术。对社会化标签在电子商务网站中的应用进行了可行性分析和深入的探讨,进而发现社会化标签技术为个性化推荐系统的研究开辟了一条新的途径。社会化标签在传统电子商务网站中仅用于商品分类,而未将其应用到个性化推荐领域。本文提出一种基于社会化标签的个性化推荐模型,利用社会化标签能够直接反映用户兴趣和商品特征,建立用户对商品的兴趣模型。通过对社会化标签聚类,对兴趣模型进行优化。设计了一种基于该模型的个性化推荐算法,用于发现用户兴趣度较高的商品,从而实现对用户的个性化推荐。经进一步研究表明,现有标签云中的标签排序都是按标签被标记次数的多少进行降序排列的,这种排列方式未考虑用户个性化的需求和标签的时效性。因此本文提出了一种个性化标签云中的标签排序算法,根据用户自身的兴趣与挖掘出的用户潜在兴趣来构建个性化的标签云,并根据用户兴趣的变化进行实时更新。针对本文提出的个性化推荐模型及算法和标签排序算法进行了实验检验。通过实验结果可以反映出模型与算法具有较好的推荐效果,提高了推荐质量和推荐精度,具有一定的有效性和可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题提出
• 1.1.1 电子商务
• 1.1.2 电子商务推荐系统
• 1.1.3 Web 挖掘技术
• 1.1.4 社会化标签研究
• 1.2 国内外研究现状
• 1.2.1 国外现状
• 1.2.2 国内现状
• 1.3 本文研究内容
• 第2章 个性化推荐技术与社会化标签
• 2.1 个性化推荐技术
• 2.1.1 协同过滤推荐技术
• 2.1.2 基于内容推荐技术
• 2.1.3 其他推荐技术
• 2.2 社会化标签概述
• 2.2.1 社会化标签的发展状况
• 2.2.2 使用社会化标签的优势
• 2.2.3 社会化标签在电子商务网站中的应用可行性分析
• 2.3 小结
• 第3章 一种基于社会化标签的个性化推荐模型
• 3.1 基于社会化标签的商品推荐模型
• 3.1.1 基于标签的用户兴趣模型
• 3.1.2 基于标签的商品特征模型
• 3.1.3 用户对商品的兴趣模型
• 3.1.4 标签聚类
• 3.2 模型优化与商品推荐算法
• 3.2.1 模型的优化
• 3.2.2 基于标签的商品推荐算法
• 3.3 小结
• 第4章 个性化标签云中的标签排序算法
• 4.1 个性化标签云中的标签排序技术
• 4.1.1 传统的标签排序
• 4.1.2 基于用户兴趣的标签排序
• 4.1.3 基于所有用户的标签排序
• 4.1.4 标签匹配后的个性化标签排序
• 4.2 标签排序的动态更新和个性化标签云的标签排序算法
• 4.2.1 标签排序的动态更新
• 4.2.2 个性化标签云的标签排序算法
• 4.3 小结
• 第5章 个性化推荐系统的实验
• 5.1 实验准备
• 5.1.1 实验环境
• 5.1.2 实验数据
• 5.2 基于社会化标签的个性化推荐模型及算法的实验验证
• 5.2.1 实验介绍
• 5.2.2 实验详细设计
• 5.2.3 实验系统设计
• 5.2.4 实验结果及分析
• 5.3 个性化标签云中标签排序算法实验
• 5.3.1 实验介绍
• 5.3.2 实验详细设计
• 5.3.3 实验系统设计
• 5.3.4 实验结果及分析
• 5.4 小结
• 结论
• 参考文献
• 致谢
• 攻读硕士期间发表（含录用）的学术论文