论文部分内容阅读
随着互联网应用技术的发展与普及,信息资源的剧增,人们迫切需要一种能快捷的获取所需产品或服务的技术,来解决信息过载与用户真实需求之间的矛盾,个性化推荐技术由此应运而生。作为个性化推荐技术的核心——用户兴趣建模,近些年来越来越受到重视。它通过搜集用户显性兴趣信息、挖掘用户的隐性兴趣信息,建立合理的模型来描述、管理用户的兴趣,并通过不断更新与修正,逐渐优化模型,以精确反应用户的兴趣,挖掘用户需求,从而为个性化推荐服务提供依据。本文通过对用户建模技术的深入研究,分析现有用户模型的不足,结合贝叶斯网络在不确定知识表达与处理上的优势,提出了一种基于互信息和领域标签系统的贝叶斯网络用户兴趣模型,并以该模型为基础构建了一个个性化推荐模型,最后设计并实现了一个基于该模型的个性化电影推荐原型系统,通过系统模拟实验验证了模型的有效性。具体研究工作如下：(1)总结了国内外近年来关于个性化推荐、用户兴趣模型及贝叶斯网络等相关理论及应用的研究现状。(2)在对基于贝叶斯网络的用户兴趣模型进行深入研究的基础上,构建了基于互信息和领域标签系统的贝叶斯网络用户兴趣模型(MTBUIM),参照贝叶斯网络的构建、学习及推理的理论与步骤,给出了MTBUIM的表示、初始化、更新及维护的方法。该模型以代表个性化兴趣诉求的领域标签为节点,以标签之间的互信息为节点条件概率,通过结构学习和参数学习进行模型更新与优化。同时通过引入带时间参数的节点权值计算及更新方法,使用户兴趣模型更好的迎合用户兴趣的时变性。(3)在对MTBUIM进行介绍的基础上,进一步提出了一个基于MTBUIM的个性化推荐模型(MTBUIM_PRM),介绍了模型的整体结构及详细流程,并说明了模型在个性化推荐领域的广泛适用性。该模型的核心是通过贝叶斯网络推理对用户兴趣标签进行扩展,以便更准确、更全面的描述用户在具体领域的兴趣,实现用户兴趣和推荐项目的合理匹配。(4)为验证模型的可行性和有效性,设计并实现了一个基于MTBUIM的个性化电影推荐原型系统,通过模拟实验,证明了模型在多项指标性能上的优越性。