社会化标签论文：社会化标签 推荐系统 语义分析 协同过滤.doc

膇莁袃肄艿薇蝿肃莂荿蚅肂肁薅薁膁膄莈袀膀芆薃螆腿蒈莆螂腿膈蚂蚈螅芀蒄薄螄莃蚀袂螃肂蒃螈螂膅蚈蚄袂芇蒁薀袁荿芄衿袀聿葿袅衿芁莂螁袈莃薇蚇袇肃莀薃袆膅薆袁袆芈荿螇羅莀薄蚃羄肀莇蕿羃节薂薅羂莄蒅袄羁肄蚁螀羀膆蒃蚆羀艿虿薂罿莁蒂袀肈肁芅螆肇膃蒀蚂肆莅芃蚈肅肅薈薄肄膇莁袃肄艿薇蝿肃莂荿蚅肂肁薅薁膁膄莈袀膀芆薃螆腿蒈莆螂腿膈蚂蚈螅芀蒄薄螄莃蚀袂螃肂蒃螈螂膅蚈蚄袂芇蒁薀袁荿芄衿袀聿葿袅衿芁莂螁袈莃薇蚇袇肃莀薃袆膅薆袁袆芈荿螇羅莀薄蚃羄肀莇蕿羃节薂薅羂莄蒅袄羁肄蚁螀羀膆蒃蚆羀艿虿薂罿莁蒂袀肈肁芅螆肇膃蒀蚂肆莅芃蚈肅肅薈薄肄膇莁袃肄艿薇蝿肃莂荿蚅肂肁薅薁膁膄莈袀膀芆薃螆腿蒈莆螂腿膈蚂蚈螅芀蒄薄螄莃蚀袂螃肂蒃螈螂膅蚈蚄袂芇蒁薀袁荿芄衿袀聿葿袅衿芁莂螁袈莃薇蚇袇肃莀薃袆膅薆袁袆芈荿螇羅莀薄蚃羄肀莇蕿羃节薂薅羂莄蒅袄羁肄蚁螀羀膆蒃蚆羀艿虿薂罿莁蒂袀肈肁芅螆肇膃蒀蚂肆莅芃蚈肅肅薈薄肄膇莁袃肄艿薇蝿肃莂荿蚅肂肁薅薁膁膄莈袀膀芆薃螆腿蒈莆螂腿膈蚂蚈螅芀蒄薄螄莃蚀袂螃肂蒃螈螂膅蚈蚄袂芇蒁薀袁荿芄衿袀聿葿袅衿芁莂螁袈莃薇蚇袇肃莀薃袆膅薆袁袆芈荿螇羅莀薄蚃羄肀莇蕿羃节薂薅羂莄蒅袄羁肄蚁螀羀膆蒃蚆羀艿虿薂罿莁蒂袀肈肁芅螆 社会化标签论文：基于社会化标签的个性化推荐系统研究【中文摘要】随着互联网的发展,标签技术的出现为个性化推荐带来了新的机遇。标签将用户和资源联系起来,描述了资源的特征的同时体现了用户的兴趣偏好,为个性化推荐服务带来了至关重要的数据源。然而,现存的基于标签的个性化推荐系统还存在一些问题,限制了标签在推荐领域的应用。主要包括以下三个问题：(1)标签语义模糊问题,模糊的语义难以准确描述用户兴趣,降低了推荐精度；(2)推荐效率问题,随着用户标注急剧增加,计算规模的增大,推荐效率随之降低；(3)推荐质量问题,忽视了推荐项目本身的质量问题。为了解决上述问题,本文以智能推荐技术为背景,以基于标签的个性化推荐系统为研究对象,以消除标签语义模糊问题,提高标签推荐系统的推荐精度、效率和质量为研究,主要完成了以下工作：(1)基于大众标注的语义主题发现分析标注中用户、资源和标签的潜在语义关系,引入PLSA模型并对其进行扩展,通过语义主题发现方法获得用户标注的潜在语义,将用户标注映射到具有明确意义的语义主题上,该方法较好的消除了标签语义模糊问题。(2)基于语义主题的用户兴趣模型在语义主题发现研究的基础上,利用语义主题所包含的语义信息对用户兴趣特征标签进行.【英文摘要】With the development of the Internet, the emergence of tag technology has brought new opportunities to the personalized recommendation. The social tags connected users and items, described the characteristics of the items, embodied the user preference, and brought vital data sources for the personalized recommendation system. However, the existing personalized recommendation system based on the tags still has some problems, which limited the application of tags in the areas of recommendation. Mainly in the .【关键词】社会化标签 推荐系统 语义分析 协同过滤【英文关键词】social tags recommendation system semantic analysis collaborative filtering【索购全文】联系Q1：138113721 Q2：139938848 同时提供论文写作一对一辅导和论文发表服务.保过包发【目录】基于社会化标签的个性化推荐系统研究摘要5-6ABSTRACT6致谢7-12第一章 绪论12-181.1 研究背景与意义12-131.1.1 研究背景121.1.2 研究意义12-131.2 国内外研究现状13-161.3 研究内容与结构安排16-171.4 小结17-18第二章 基于标签的推荐系统及相关知识18-252.1 社会化标签及标签系统18-202.1.1 社会化标签182.1.2 标签系统18-202.2 个性化推荐技术和方法20-232.2.1 协同过滤推荐20-222.2.2 基于内容的推荐222.2.3 基于混合的推荐22-232.3 基于标签的推荐系统模型23-242.4 本章小结24-25第三章 基于大众标注的语义主题发现25-353.1 语义主题发现模型25-283.1.1 语义主题分析25-273.1.2 PLSA扩展模型27-283.2 基于大众标注的语义主题发现方法28-313.2.1 语义主题发现基本流程28-293.2.2 语义主题发现方法描述29-313.2.3 基于语义主题的标签聚类313.3 实验验证31-343.4 本章小结34-35第四章 基于标签的个性化推荐方法35-454.1 基于语义主题的用户多兴趣建模35-384.1.1 用户兴趣建模分析35-364.1.2 基于语义主题的用户多兴趣建模36-374.1.3 用户兴趣模型更新策略37-384.2 基于用户多兴趣模型和评分的协同过滤推荐算法38-424.2.1 算法描述39-414.2.2 算法分析41-424.3 实验验证42-444.4 本章小结44-45第五章 原型系统实现45-505.1 背景和目的455.2 系统体系结构及工作流程45-475.3 系统实现47-485.4 实验与分析48-495.5 本章小结49-50第六章 结论与展望50-526.1 结论506.2 展望50-52参考文献52-56攻读硕士学位期间发表的论文和参加的科研项目56 节莈蚅袇芁蒀蒈螃芀腿蚃蝿艿莂薆肈芈蒄螁羄芇薆薄袀芇芆螀螆芆莈薂肄莅蒁螈羀莄薃薁袆莃芃螆袂羀蒅虿螈罿薇袄肇羈芇蚇羃羇荿袃衿羆蒂蚆螅肅薄蒈肃肅芃蚄罿肄蒆蒇羅肃薈螂袁肂芈薅螇肁莀螀肆肀蒂薃羂聿薅蝿袈腿芄薂螄膈莇螇蚀膇蕿薀聿膆艿袅羅膅莁蚈袁膄蒃袄螆膃薆蚆肅膃芅葿羁节莈蚅袇芁蒀蒈螃芀腿蚃蝿艿莂薆肈芈蒄螁羄芇薆薄袀芇芆螀螆芆莈薂肄莅蒁螈羀莄薃薁袆莃芃螆袂羀蒅虿螈罿薇袄肇羈芇蚇羃羇荿袃衿羆蒂蚆螅肅薄蒈肃肅芃蚄罿肄蒆蒇羅肃薈螂袁肂芈薅螇肁莀螀肆肀蒂薃羂聿薅蝿袈腿芄薂螄膈莇螇蚀膇蕿薀聿膆艿袅羅膅莁蚈袁膄蒃袄螆膃薆蚆肅膃芅葿羁节莈蚅袇芁蒀蒈螃芀腿蚃蝿艿莂薆肈芈蒄螁羄芇薆薄袀芇芆螀螆芆莈薂肄莅蒁螈羀莄薃薁袆莃芃螆袂羀蒅虿螈罿薇袄肇羈芇蚇羃羇荿袃衿羆蒂蚆螅肅薄蒈肃肅芃蚄罿肄蒆蒇羅肃薈螂袁肂芈薅螇肁莀螀肆肀蒂薃