基于情境感知的个性化推荐算法研究与应用

摘要

随着互联网产业的蓬勃发展，在带给人们生活巨大便利的同时，也带来严重的信息过载问题。现如今，个性化推荐已成为解决信息过载问题的重要手段之一，其应用也渗透于各个领域中，渗透于人们生活的各个方面。基于情境感知的个性化推荐技术已成为研究的重点，充分考虑情境信息所起的作用，将用户和商品的情境信息融入到推荐算法中，可以使得推荐更为有效，使得用户对推荐结果更为满意。本文将传统推荐算法和情境感知作为研究前提，从实际应用的角度考虑，针对当前在各种情境下推荐系统存在的问题，提出一种推荐精度和用户满意度较高的改进推荐算法并加以应用，本文的主要工作内容有:
　　(1)对已有的推荐算法、情境感知理论和情境感知推荐技术进行了简单介绍，并对它们的研究现状和存在问题做出了具体分析。
　　(2)针对目前推荐算法存在推荐精度不高、用户满意度低等问题，提出一种基于情境相似的协同过滤改进推荐算法。该算法依据物理学点电荷间存在磁力的作用，引入情境因子，构建新的用户-情境-商品模型;然后依据库仑定律，在添加磁力概念后，重新定义一个用户相似度公式;最后根据新的评分聚合函数计算得出更为准确的评分预测，从而进行推荐;最终从理论和实验上验证了改进算法的良好性能。
　　(3)在改进推荐算法基础上，将其应用于系统中，对基于情境感知的就餐推荐系统进行了详细的设计。首先对设计就餐推荐系统进行了包括业务需求和性能需求在内的需求分析;接着对系统功能各模块进行了详细的设计，尤其是核心算法所在推荐模块的设计与实现;最后将传统算法下和改进算法下就餐推荐系统的推荐结果进行了分析对比，从而验证了改进算法的可行性和科学性。

目录

声明

摘要

1．1 论文研究背景及意义

1．2 选题依据

1．3 研究现状

1．4 本文研究的主要内容

1．5 组织结构

2 相关理论与技术

2．1．1 基于内容的推荐

2．1．2 基于关联规则的推荐

2．1．3 基于协同过滤的推荐

2．1．4 组合推荐

2．2 情境感知的相关理论

2．2．1 情境的定义

2．2．2 情境信息的获取

2．2．3 情境感知的应用

2．3 情境感知推荐技术

2．4 本章小结

3．1 引言

3．2 传统的协同过滤推荐算法

3．3 库伦定律引入

3．4 改进算法描述

3．4．1 构建模型的改进

3．4．2 用户相似度计算的改进

3．4．3 改进算法步骤

3．5 实验结果及分析

3．5．1 实验数据集

3．5．2 实验测量指标

3．5．3 实验结果对比分析

3．6 本章小结

4．1 引言

4．2 需求分析

4．2．1 业务需求

4．2．2 性能需求

4．3 系统功能概要设计

4．3．1 系统用例模型

4．3．2 用户管理模块

4．3．3 用户交互模块

4．3．4 推荐模块

4．3．5 信息管理模块

4．3．6 数据库设计

4．4 推荐模块的详细设计

4．4．1 数据采集

4．4．2 情境提取与建模

4．4．3 用户偏好建模

4．4．4 情境推荐

4．5 推荐模块的实现

4．6 推荐结果对比分析

4．7 本章小结

5．1 本文总结

5．2 不足与展望

参考文献

攻读硕士学位期间所取得的研究成果

致谢