基于案例推理的科技文献推荐系统研究

摘要

个性化推荐技术就是针对这个问题提出的，它针对不同的用户，提供不同的服务，以满足不同的需求，个性化推荐系统通过收集和分析用户信息来学习用户的兴趣和行为，从而实现主动推荐的目的。目前存在着许多个性化推荐模型，大致上分为两种：基于内容的个性化推荐系统和基于协同过滤的个性化推荐系统。后者的优点是能为用户发现新的感兴趣的信息，缺点是存在两个很难解决的问题：一个是稀疏性，亦即在系统使用初期，由于系统资源还未获得足够多的评价，系统很难利用这些评价来发现相似的用户；另一个是可扩展性，亦即随着系统用户和资源的增多，系统的性能会越来越低。本文对协同过滤技术中存在的稀疏性问题采用案例推理进行一定程度的改善；并在计算用户间的相似度时，采用归一化的欧几里德距离来代替余弦表示，使得效率有所提高，从而对可扩展性问题有所改进；同时对用户偏好的更新提出一种简单可行的策略。

目录

文摘

英文文摘

论文说明：席俊红硕士学位论文答辩委员会成员名单

学位论文独创性声明及学位论文授权使用声明

第1章绪论

1.1问题的提出

1.2个性化推荐简介

1.3本文的研究内容及研究意义

第2章案例推理技术及个性化推荐技术

2.1案例推理技术

2.2基于内容的个性化推荐系统

2.3基于协同过滤的个性化推荐系统

第3章基于案例推理的个性化推荐系统

3.1系统设计

3.2实验方案

3.3实验结果分析

3.4实验结论

第4章科技文献个性化推荐系统原型

4.1系统的整体框架

4.2主要模块设计

第5章总结与展望

5.1本文总结

5.2展望

附录

参考文献

攻读硕士期间发表的论文

致谢