播存环境下基于标签的个性化推荐技术研究

摘要

双结构新型网络以传统的TCP/IP网络为主结构，添加了物理广播和内容存储相结合的“播存环境”作为次结构。为了更为准确地刻画资源内容特征和用户兴趣偏好，并向用户提供个性化推荐服务，播存环境中引入标签（或者标注信息）的概念。
　　本文结合播存环境的需求与特点，设计一套标签系统，并据此提出并实现一种基于标签的个性化推荐算法BS-TRA(Broadcast-Storage Tag-based Recommendation Algorithm)。本文的主要研究工作如下:
　　(1)针对标签的特点，为播存环境构建一套标签系统，包括标签清理、标签自动生成、标签扩展和标签推荐。其中的标签推荐算法ρ-cf-mixed引入协同过滤的思想，综合考虑相似用户和相似资源的常用标签，融合用户热门标签集和资源热门标签集，为用户提供高质量的标签推荐结果。
　　(2)针对播存环境中的个性化推荐需求，提出一种基于标签的个性化推荐算法BS-TRA。BS-TRA算法同时考虑用户的标注行为、评分行为以及时间因素，计算用户的标签偏好。将其与基于标签的协同过滤算法相结合，相较于单一的协同过滤算法和标签偏好推荐算法，能够获得更高的准确率，并在一定程度上缓解冷启动和数据稀疏性问题，同时又能为用户发掘出新的标签兴趣。
　　(3)在播存环境信息分发结构的基础下，设计并实现了基于标签的个性化推荐原型系统，主要包括标签模块的设计和基于BS-TRA算法的推荐引擎的实现。

目录

声明

摘要

图目录

表目录

第一章 绪论

1．1 研究背景

1．2 研究目标及研究内容

1．3 论文组织结构

第二章 相关研究

2．1 标签系统相关研究

2．1．1 标签的概念

2．1．2 标签的功能

2．1．3 标签推荐

2．1．4 标签推荐的质量

2．2 个性化内容推荐技术相关研究

2．2．1 基于内容的推荐技术

2．2．2 协同过滤推荐技术

2．2．3 个性化推荐技术评价指标

2．3 本章小结

第三章 播存环境下标签系统的构建

3．1 标签系统的总体设计

3．1．1 播存环境下构建标签系统的特点与要求

3．1．2 标签系统框架

3．2 标签清理模块

3．2．1 分词

3．2．2 词性统一

3．3 标签自动生成模块

3．4 标签扩展模块

3．5 标签推荐模块

3．5．1 ρ-cf-mixed算法

3．5．2 实验结果与分析

3．6 本章小结

第四章 播存环境下基于标签的个性化推荐

4．1 播存环境下基于标签的个性化推荐模型

4．1．1 现有推荐技术存在的问题

4．1．2 推荐模型设计

4．2 基于标签的混合推荐算法

4．2．1 用户-标签偏好模块

4．2．2 基于标签的协同过滤模块

4．2．3 混合推荐模块

4．3 实验分析

4．3．1 数据集

4．3．2 实验方法与评价指标

4．3．3 实验结果与分析

4．4 本章小结

第五章 原型系统的设计与实现

5．1 原型系统设计

5．1．1 架构设计

5．1．2 数据库设计

5．2 系统实现

5．3 本章小结

第六章 总结与展望

6．1 论文总结

6．2 未来研究工作展望

致谢

硕士期间发表论文

参考文献