基于社会化标签系统的个性化信息推荐探讨

论文总字数：16123字

目 录

第一章 绪论 1

1.1研究背景 1

1.2研究意义 1

1.3国内外研究现状 2

1.4本文组织结构 2

第2章 个性化推荐技术 3

2.1个性化推荐系统简介 3

2.1.1推荐系统的发展 4

2. 2个性化推荐的相关技术 5

2. 2. 1基于关联规则的推荐算法 5

2. 2. 2基于内容的推荐系统 5

2.2.3协同过滤推荐算法 6

2. 3 社会化标签与标签系统 6

2.3.1社会化标签 6

2.3.2标签系统 6

第3章 传统协同过滤推荐算法 7

3.1协同过滤算法原理 7

3.2基于用户的协同过滤 7

3.3基于项目的协同过滤 8

3.4两种算法的不足 8

3.5评价推荐算法的相关指标 8

3.5.1MAE 8

3.5.2HR 8

第４章基于社会化标签的协同过滤算法 9

4.1引入社会化标签 9

4.2基于社会化标签的建模 11

4.3基于社会化标签的协同过滤推荐算法 12

4.4新型算法的优势与不足 13

4.4.1算法的优势 13

4.4.2待完善的地方及部分解决思路 13

第5章 基于社会化标签系统的个性化推荐系统 14

5.1推荐系统简述 16

5.2实验结果与分析 16

1.MAE评估结果： 16

2.HR评估结果： 16

第6章 总结与展望 18

参考文献： 19

致 谢 20

基于社会化标签系统的个性化信息推荐探讨

马福亮

，China

Abstract: it is difficult for people to find the needed information resources in the Internet information ocean. The personalization recommendation system comes into being, which produces recommendations through the user's active evaluation or summary of the user's online history record.

In this paper, a collaborative filtering recommendation algorithm based on social labels is proposed by introducing social labels into the traditional social label system. By making full use of the tag, you can mine out the potential interest of the user and then recommend it to the customer. This paper compares the recommended effect of the new algorithm with the experiment. It is found that the new algorithm reduces the scale of operation and improves the speed of operation. The recommendation system based on this algorithm can give a more reasonable and easy to accept recommendations.

Key words: recommendation system; Collaborative filtering; Socialized Labels

第一章 绪论

1.1研究背景

随着科技的发展，机器逐渐取代人类去进行体力劳动。解放了双手的人们则是向脑力劳动投入更多的时间和精力。这使得在短短几十年里，人类的知识体系得到了爆炸性的发展。特别是在互联网的时代到来后，科技蓬勃发展，人类社会进入了信息爆炸时代。而且在web2.0时代，由于互联网的不断普及，互联网上的信息资源的发现与传播的形势发生了根本行的改变。网民翻身做主成了网络资源的更新创造者而不是被动的接受网络信息数据的灌输。这种改变使得互联网资源井喷式发展，使人们能够在互联网上接触到更多的知识与讯息。然而过多的杂乱的信息资源使得人们难以获取及时有用的讯息。因此如何帮助有需求的人们在庞大的互联网数据中快速、准确、高效地检索到感兴趣的且优质的信息资源就成为了研究员们热心的研究课题。

Web2.0时代以来，互联网产生的大量数据主要来自其庞大的用户群体，社会化标签系统应运而生，并得到大众网民的热捧。任意网民通过标签系统对任意他们感兴趣的资源做出其自定义标注，并且这种标注是所有网民互为可见的。这种无拘无束、共享、开放的模式使得标签系统充分发掘了网民的兴趣偏好，并且他们可以通过标签系统准确表达他们的个人观点和想法，它能更好的为网民寻找资源提供更好的帮助。也给推荐技术的个性化带来了新的方向与机遇。近年来，社会化标签得到了各大网站的青睐， GoogleNews、聊天交友网站YouTube、在线购物网站Amazon、UC、淘宝等各大知名网站，正在逐渐摸索将社会化标签应用到个性化推荐系统中去，以给用户带来更好的服务为目标，取得了明显的成效，并且也提高了网站的用户留存率和依赖度。社会化标签的开放共享的模式充分激发了用户的积极性，将逐步替代传统信息推荐，获得人们的青睐，赢得更大的机遇。

1.2研究意义

早在二十世纪九十年代，推荐系统就被作为一个独立想法提出，学术界和企业界对其广泛关注，各大研究团队一直在锲而不舍的致力于对于它的学术研究与实际应用。由于巨大的应用需求，国内外众多学术期刊纷纷将推荐技术作为研究专题，美国计算机协会(ACM)多次举办了以推荐技术为研讨主题的学术会议。很多企业也看到了推荐系统良好的应用前景，具有极大地研究价值，它们积极地加入到了对推荐技术的研发当中。而之后淘宝、Amazon的成功也证明了这一点。个性化推荐系统为它们吸引并保留了大量的客户，为网站带来了巨大的收益。

1.3国内外研究现状

剩余内容已隐藏，请支付后下载全文，论文总字数：16123字