多媒體系統(tǒng)中個性化推薦的研究和設(shè)計.pdf

1、多媒體系統(tǒng)中具有海量的資源，這些資源類型多樣化，表示方式多樣化。因此，為了幫助用戶快速發(fā)現(xiàn)感興趣內(nèi)容，論文設(shè)計了個性化推薦系統(tǒng)來為用戶提供個性化信息服務(wù)。本文從資源的組織、用戶模型的表示和建立、用戶興趣擴(kuò)展、個性化推薦技術(shù)到系統(tǒng)、用戶的交互進(jìn)行了整體的系統(tǒng)設(shè)計，每個部分的設(shè)計重點(diǎn)考慮了現(xiàn)有推薦系統(tǒng)中存在的一些問題并且對這些問題進(jìn)行改進(jìn)。首先，根據(jù)多媒體資源的特點(diǎn)，設(shè)計了基于概念網(wǎng)絡(luò)的資源組織方法；其次，根據(jù)用戶的訪問歷史，利用用戶記憶衰

2、退模型的特點(diǎn)建立用戶興趣模型；再次，設(shè)計基于信任度的協(xié)同過濾算法來擴(kuò)展用戶興趣模型：最后，設(shè)計基于Random Walk思想的個性化排名系統(tǒng)對生成的推薦結(jié)果進(jìn)行排名，將排名后的結(jié)果返回給用戶。論文中結(jié)合基于內(nèi)容的推薦方法和協(xié)同過濾的推薦方法提供個性化服務(wù)，從設(shè)計上降低了兩者缺點(diǎn)對推薦效果的影響。
　　論文主要研究內(nèi)容包括：
　　(1)設(shè)計概念網(wǎng)絡(luò)組織系統(tǒng)資源。通過挖掘用戶的瀏覽歷史記錄，將系統(tǒng)資源自適應(yīng)建立概念網(wǎng)絡(luò)模型。

3、r>　　(2)根據(jù)用戶記憶模型建立用戶長期興趣模型和短期興趣模型，設(shè)計基于遺忘模型的更新算法，增強(qiáng)系統(tǒng)對用戶興趣變化的自適應(yīng)能力。
　　(3)利用用戶信任度，設(shè)計協(xié)同過濾方法擴(kuò)展用戶興趣模型，發(fā)掘用戶的潛在興趣，降低推薦內(nèi)容過于專門化的風(fēng)險，強(qiáng)化推薦生成的可信度，同時提高推薦結(jié)果的準(zhǔn)確性。
　　(4)設(shè)計基于二分的聚類算法，通過對用戶興趣模型聚類，降低相似性計算的計算復(fù)雜度，提高系統(tǒng)處理海量數(shù)據(jù)的可擴(kuò)展性和效率。