基于計(jì)算語用學(xué)和項(xiàng)目的資源協(xié)同過濾推薦研究.pdf

1、隨著Internet的發(fā)展，網(wǎng)上的各類資源都以驚人的速度增長著。要及時(shí)地在網(wǎng)絡(luò)的海量信息中發(fā)現(xiàn)所需要的資源已經(jīng)變得越來越困難，用戶極需一種推薦系統(tǒng)幫助他們。個(gè)性化推薦系統(tǒng)可以幫助用戶找到所需信息，能有效留住用戶、提高網(wǎng)站的點(diǎn)擊率和用戶的忠誠度。進(jìn)而輔助企業(yè)達(dá)到個(gè)性化營銷的目的，提升銷售量，創(chuàng)造最大的利潤。個(gè)性化服務(wù)概念的興起，也使得越來越多領(lǐng)域開始重視推薦系統(tǒng)的應(yīng)用。個(gè)性化推薦系統(tǒng)在這種良好的發(fā)展趨勢的推動(dòng)和應(yīng)用前景下，逐漸成為Web智

2、能技術(shù)的一個(gè)重要研究內(nèi)容，得到了眾多研究者的廣泛關(guān)注。
　　 近年來，協(xié)同過濾推薦技術(shù)在理論和實(shí)踐中都得到了快速的發(fā)展，但是隨著其應(yīng)用系統(tǒng)規(guī)模的進(jìn)一步擴(kuò)大，它面臨著一系列新的挑戰(zhàn)。與此同時(shí)，把語用學(xué)理論應(yīng)用于信息系統(tǒng)也逐步成為一個(gè)研究熱點(diǎn)。語用學(xué)是研究符號與解釋者之間的關(guān)系，研究一定語境條件下的語言和符號產(chǎn)生含義的理解及其產(chǎn)生的效果。本論文將計(jì)算語用學(xué)的基本思想應(yīng)用于推薦系統(tǒng)中，包括對推薦系統(tǒng)中個(gè)性化情境分析、用戶信任等級計(jì)算模

3、型、基于情境及信任的推薦方法和算法的應(yīng)用研究。研究開創(chuàng)性地提出了個(gè)性化情境和用戶信任等級的概念，從一個(gè)新穎的角度解決了協(xié)同過濾推薦中的情境缺失和獨(dú)立性假設(shè)問題，提高了推薦系統(tǒng)的推薦質(zhì)量與抗評分攻擊能力；同時(shí)，計(jì)算語用學(xué)在個(gè)性化推薦領(lǐng)域的應(yīng)用研究對語用學(xué)本身的發(fā)展也具有推動(dòng)作用?，F(xiàn)將論文的主要研究內(nèi)容和成果概括如下：
　　 ①對個(gè)性化推薦系統(tǒng)目前的總體發(fā)展情況進(jìn)行了綜述。探討了個(gè)性化概念的界定，總結(jié)并歸類了現(xiàn)有的推薦技術(shù)，指出其各

4、自的特點(diǎn)、適用范圍；在此基礎(chǔ)上，對協(xié)同過濾算法的目前研究進(jìn)展進(jìn)行總結(jié)、分類，并指出存在的問題，引出本文的研究意義，為下一步研究奠定理論基礎(chǔ)。
　　 ②對語用學(xué)的發(fā)展及其與個(gè)性化推薦的關(guān)系進(jìn)行了分析。簡述了語用學(xué)的發(fā)展歷史，分析了語用學(xué)研究與個(gè)性化推薦研究的相似性，提出了計(jì)算語用學(xué)三要素，即溯因推理、信任和情境與個(gè)性化推薦的關(guān)系，為基于語用學(xué)的個(gè)性化資源推薦的研究奠定了理論基礎(chǔ)。
　　 ③提出個(gè)性化情境的概念、最顯著個(gè)性化

5、情境因素和多因素個(gè)性化情境等概念。把個(gè)性化情境引入?yún)f(xié)同過濾推薦系統(tǒng)，構(gòu)建了基于個(gè)性化情境的推薦方法來解決情境缺失問題。然后提出基于最顯著個(gè)性化情境因素的協(xié)同過濾推薦算法，通過實(shí)驗(yàn)證明最顯著個(gè)性化情境因素對評分預(yù)測準(zhǔn)確性的提高是有幫助的。進(jìn)而提出基于多因素個(gè)性化情境的推薦方法，采用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行情境因素權(quán)重的學(xué)習(xí)，得到基于神經(jīng)網(wǎng)絡(luò)的個(gè)性化評分預(yù)測模型后進(jìn)行評分預(yù)測和推薦，并通過實(shí)驗(yàn)驗(yàn)證了算法的有效性，說明多因素個(gè)性化情境

6、的推薦更能提高評分預(yù)測的準(zhǔn)確性。實(shí)驗(yàn)還證明徑向基神經(jīng)網(wǎng)絡(luò)更能提高預(yù)測的準(zhǔn)確性，基于多因素個(gè)性化情境的推薦算法比傳統(tǒng)算法有更好的調(diào)和平均值和穩(wěn)定性。
　　 ④把信任引入?yún)f(xié)同過濾推薦系統(tǒng)，構(gòu)建了一種基于信任的協(xié)同過濾推薦方法，為解決用戶獨(dú)立性假設(shè)問題提供了一種新的思路和方法。在分析信任的定義、性質(zhì)以及信任與推薦的關(guān)系的基礎(chǔ)上，提出基于用戶興趣相似性、評分相似性和評分相關(guān)性來構(gòu)建用戶關(guān)聯(lián)圖的方法，提出基于PageRank用戶信任等級的

7、UserRank計(jì)算方法，進(jìn)而提出了基于用戶信任等級的協(xié)同過濾推薦算法，并通過實(shí)驗(yàn)驗(yàn)證了算法的有效性和優(yōu)越性。實(shí)驗(yàn)結(jié)果表明：將用戶信任等級與經(jīng)典的推薦算法結(jié)合，在不影響預(yù)測準(zhǔn)確性的前提下可以提高算法防范評分攻擊的能力。最后，提出基于情境和信任的綜合推薦方法，作為一個(gè)綜合情境因素和信任因素進(jìn)行推薦的試探性工作。
　　 ⑤將以上研究提出的個(gè)性化情境分析方法、信任等級計(jì)算方法和幾種推薦方法用于構(gòu)建一個(gè)基于語用的學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)，