CASIA OpenIR  > 毕业生  > 硕士学位论文
基于双线性模型的标签推荐系统研究
其他题名Bilinear Models for Recommendation System Based on Tags
刘鹤
学位类型工程硕士
导师曾大军
2011-05-29
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业软件工程
关键词标签 双线性模型 协同过滤 推荐系统 Tags Bilinear Model Collaborative Filtering Recommendation System
摘要随着互联网的快速发展,不断增长的信息远远超出了人们的处理能力。人们常常感觉自己淹没在信息的海洋里而无法找到自己所需要的资源,“信息过载”问题日益严重。虽然现有的搜索引擎如谷歌(Google)、百度能通过输入关键字来帮助用户过滤信息,然而这些搜索引擎返回的结果仍然是一个庞大的资源集合,同时,在更多的时刻,用户并没有明确的目标。为了给用户提供满意的信息和服务,推荐系统应运而生。其中协同过滤是最主要的推荐技术之一,其利用用户间的喜好相似性来产生推荐。 基于标签系统的网络服务和社区的发展,使得仅仅使用用户和各资源项目间的简单关系来描述的传统的推荐技术无法满足推荐在准确性,因此应该更多的考虑标签的语义和标签与用户及资源项目之间隐含的关系。在社会性标签系统中,标签作为用户对资源项目的喜好的高度化抽象描述而存在,因此,标签可用于提取用户和资源的特征。然而,把(用户、标签、资源)三维数据直接展开为三个二维的空间将会导致用户、标签及资源间隐含的信息丢失。综上所述,本文根据现有的融合标签信息的推荐技术,提出了基于双线性模型的推荐方法。在模型的训练过程中模拟用户选择某一产品的过程,从而捕捉丢失的关联信息。随后本文使用基于贝叶斯条件概率的方法验证了此模型的理论基础。 最后,本文通过实验分析来验证所提出的双线性模型标签推荐算法,并且同其他主要推荐算法进行了比较。实验结果表明,本文提出的基于双线性模型的标签推荐算法在推荐精度上有一定的提高。
其他摘要With the rapid development of the Internet, the growing amount of information has gone beyond the processing capacity of people. People often feel overwhelmed in the sea of information, but cannot find the resources they need. The problem of overloading information has become more and more serious. Although search engines such as Google and Baidu can help user filter useless information through key words, the results returned are still huge. Simultaneously, users do not have explicit objective at most of the time. In order to provide users with satisfactory service and information they actually need, recommendation system emerged. Collaborative filtering is one of one of the most important recommendation technical, which makes prediction with the similarity between user profiles. The development of tagging system service and communication make the recommendation technical based on the simple relation between users and items perform not precise enough. Considering the tags semantic and potential relationship between tags and users or items are necessary. In social tagging systems, tags exist as a highly abstract description of users preferences for items. Thus, tags could be used to extract users and resources features. However, if the data in the form of three-dimension (user, tag, resources) are flattening into three two-dimension spaces, the implicit information between users, tags and resources will be lost. In summary, based on the existing recommendation technologies, this paper has proposed a bilinear model based recommendations method. To capture the lost associated information, the proposed method fit the process of users selecting a product in its training phase. Then, this paper uses the method based on Bayesian conditional probability to verify the theoretical basis of this model. Finally, the paper validates the proposed bilinear model based tags recommendation algorithm with experimental analysis, and compares it with other major recommendation algorithms. The results of the experiment show that the proposed bilinear model based recommendation algorithm has certain improvements in recommendation precision.
馆藏号XWLW1683
其他标识符200828009029055
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/7607
专题毕业生_硕士学位论文
推荐引用方式
GB/T 7714
刘鹤. 基于双线性模型的标签推荐系统研究[D]. 中国科学院自动化研究所. 中国科学院研究生院,2011.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20082800902905(1409KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[刘鹤]的文章
百度学术
百度学术中相似的文章
[刘鹤]的文章
必应学术
必应学术中相似的文章
[刘鹤]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。