基于标签关联分析的出版资源交互式推荐方法研究

摘要

在互联网技术飞速发展的时代，对具有大量资源的出版行业来说，如何满足用户个性化的知识服务需求成为出版行业亟需解决的重要问题。本文根据出版行业资源数据的特点，设计了一个出版资源个性化推荐算法，并针对传统推荐算法中存在的评分矩阵稀疏、推荐性能随资源增加而下降、冷启动等问题进行研究。本文的主要研究工作如下： （1）用户特征提取方法改进。本文对传统推荐算法中的用户特征提取方法进行了改进，将充分考虑用户的标签特征、行为特征和时间特征，构建用户兴趣特征向量。在定义的规范化标签体系下，通过用户对资源的行为反馈和交互操作获取用户的标签特征，并根据用户不同的行为反馈定义权重大小，同时通过时间遗忘曲线考虑用户标签特征偏移的现象。 （2）概率矩阵分解算法改进。本文针对传统概率矩阵分解算法中忽略用户和资源间的影响关系的问题进行了改进。首先通过规范化的标签对用户和资源进行特征提取，寻找用户和资源的近邻，接着将相似邻居集合融入到概率矩阵分解算法中，降低评分矩阵的稀疏性并提高算法的准确率。通过大量实验证明改进后的概率矩阵分解算法的有效性和准确性。 （3）交互式推荐框架。本文提出了一种基于标签关联分析的交互式方法，并设计了交互式推荐框架，通过用户与标签的交互缩小资源备选集，对资源进行定位，提高推荐算法的效率。在用户交互过程中，通过资源-标签矩阵对标签进行关联分析，提供较优的标签属性供用户选择，使资源备选集的划分得到优化。通过交互式实验，验证了交互式方法提高了推荐性能。 （4）冷启动问题研究。为解决推荐过程的新用户冷启动问题，本文对用户的四个基本信息属性：年龄、性别、阅读时间、阅读地方进行分析。根据非新用户的基本信息创建决策树分类器，当新用户进入系统时，通过决策树分类模型进行匹配，初始化推荐主题资源，同时在交互式框架下，通过标签交互快速获取用户的需求。在实际数据集上的实验证明了该算法的有效性和准确性。 最后，本文对基于标签关联分析的交互式推荐方法进行系统性验证，进行了需求分析，模块设计，整体框架设计和系统实现。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 传统推荐算法

1.2.2 基于标签的推荐算法

1.2.3 交互式推荐算法

1.3 研究内容

1.4 论文结构安排

第2章 基于标签关联分析的交互式推荐方法分析与设计

2.1 交互式推荐方法框架设计

2.2 评分处理和数据表示

2.2.1 用户评分处理

2.2.2 资源标签表示

2.2.3 用户喜好度表示

2.3 本章小结

第3章 基于标签的概率矩阵分解算法改进

3.1 基于标签的特征提取方法改进

3.1.1 用户特征提取方法改进

3.1.2 基于标签的资源特征提取

3.2 概率矩阵分解算法改进

3.2.1 概率矩阵分解算法

3.2.2 相似邻居计算

3.2.3 基于标签的概率矩阵分解算法

3.3 算法流程描述

3.4 实验设计

3.4.1 实验数据与环境

3.4.2 实验评价指标

3.4.3 对比算法与参数设定

3.5 实验结果分析

3.5.1 参数λ的影响实验

3.5.2 邻居数量D的影响实验

3.5.3 特征向量维度K的对比实验

3.5.4 推荐长度L的对比实验

3.5.5 算法耗时对比实验

3.6 本章小结

第4章 基于标签关联分析的交互式方法研究

4.1 交互式方法概述

4.2 基于标签关联分析的资源划分

4.2.1 标签关联分析

4.2.2 资源备选集划分

4.3 资源备选集重排序

4.4 冷启动问题解决策略

4.4.1 冷启动问题

4.4.2 用户兴趣分类

4.4.3 用户决策树构建

4.5 实验结果分析

4.5.1 新用户冷启动推荐实验

4.5.2 交互式推荐实验

4.6 本章小结

第5章 基于标签的交互式推荐系统

5.1 交互式推荐功能设计

5.1.1 需求分析

5.1.2 系统框架设计

5.1.3 系统功能详细设计

5.2 交互式系统推荐流程设计

5.3 系统主要验证界面

5.3.1 用户信息分析验证

5.3.2 用户交互推荐验证

5.4 本章小结

第6章 总结与展望

6.1 工作总结

6.2 工作展望

致谢

参考文献

攻读学位期间发表的学术论文