基于信息融合的推薦算法研究.pdf

1、碩士學位論文基于信息融合的推薦算法研究RecommendationAIgorithmResearchBasedonInformationFusion學號：211Q塑塹完成日期：壘Q!壘生墨旦大連理工大學DaliallU11ivers時ofTechnology大連理工大學碩士學位論文摘要隨著互聯網多媒體的快速發(fā)展，網絡媒體資源越來越豐富，人們從過去的買唱片、碟片聽歌、看電影方式逐漸過渡為直接從網上搜索資源。但是，這些媒體資源在給人們帶來方

2、便的同時，也增加了人們的選擇需求。在無目標的前提下，面對網絡中龐大的媒體庫，用戶往往不知道該如何選擇符合自己興趣的媒體資源。于是，如何為用戶推薦符合用戶需求的媒體資源成為了很多學者、網站及其他相關媒介關心的問題。針對媒體資源，目前推薦方法主要包括TopN列表推薦和評分預測兩種形式。TopN列表推薦需要對用戶進行偏好分析，從而推薦與用戶偏好最相近的前N個項目；評分預測需要對用戶項目的關系進行定量分析，對其評分進行準確預測從而對用戶推薦評分

3、高的項目；這兩種推薦方法都需要對已有用戶、項目信息進行潛在信息挖掘從而達到準確的推薦。為了驗證融合信息對多種媒體的兩種推薦均有重要作用，本文選取電影和音樂作為待推薦的媒體，分別在兩種算法中融合不同空間信息，提出了兩個基于融合信息的推薦算法。不同空間信息從不同側面反映了用戶的習慣及偏好，對推薦算法有良好的改進效果。兩種推薦算法描述如下：針對TopN列表推薦，本文選取音樂為推薦目標，以社會化標簽作為推薦主要數據源，深入挖掘其文本語義信息，采

4、用基于內容的方法，融合標簽三個不同方面的語義空間信息對用戶進行歌曲推薦，詳細的分析了用戶標簽對音樂推薦的重要作用，并驗證了融合信息推薦方法能夠有效地提高TopN媒體列表推薦準確率。針對評分預測，本文選取電影為預測目標，在目前流行的基于偏置矩陣分解算法基礎上，建立了分別融入社交網絡、電影標簽和用戶觀看電影歷史等相關信息的用戶電影評分預測模型，最后，融合所有語義空間信息對用戶項目的評分進行預測，并和近幾年比較流行的推薦算法進行了綜合實驗對比