基于时间特性的网络结构推荐

摘要

随着社会的进步和互联网科技的发展，大量web2.0和3.0网站进入了人们的视线，使得人们可以在网络上随意发布信息，购买商品。在这种背景下，我们进入了信息爆炸和追求个性化的年代。每个用户在追求自己独特需求的时候都会遇到巨量数据的问题。如何帮助用户寻找资源，以及如何将资源推送给最合适的用户，成了当前的重要任务。推荐技术的出现为我们解决信息过量的问题提供了一个可行的思路。大量的推荐算法发展出来并被使用在各种场景中，起着重要的作用。常见的推荐方法都是使用用户的购买记录信息，其主要代表是协同过滤，物质扩散算法等。在用户的购买信息中还有其他很多信息可以被利用，如时间，个性化标签等。近年来，大量科研人员投入到使用额外信息来达到提高推荐效果的研究中。
　　本文主要研究如何在物质扩散算法中添加时间特性，使其通过对时间因素的考虑，来修改中间各步骤的权重模型，以达到提高推荐准确率的效果。本文首先分析时序模型，简要论述了随着时间变化用户商品各属性的变化以及适于时间推荐的数据集条件，然后在此基础上针对物质扩散算法的每一步骤都进行了时间特性上的扩展，使其准确率各有提升，并将该方法应用到三部图算法上。此外，本文还提出了两种通过添加节点和边来改变二部图结构的方法，在实践中也提高了准确率。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1.1研究背景

1.2课题研究现状

1.3研究内容和设计目标

1.4本文的组织结构

第二章推荐方法及评价指标

2.1常见推荐方法

2.2常用测试方法

2.3常用推荐指标

2.4数据集介绍

2.5本章小结

第三章时间与推荐

3.1用户属性

3.2商品属性

3.3数据集条件

3.4测试方法

3.5本章小结

第四章基于阶段性时间权重的物质扩散算法

4.1物质扩散算法

4.2时序扩散总论

4.3初始资源

4.4商品-用户资源转发

4.5用户-商品资源转发

4.6推荐结果调整

4.7多步混合

4.8多样性分析

4.9三部图算法

4.10本章小结

第五章基于时间特性的节点填充

5.1商品-时间结合

5.2商品节点添加

5.3本章小结

第六章总结与展望

6.1总结

6.2展望

致谢

参考文献

攻硕期间取得的研究成果