论文简介：
博士论文-个性化推荐和搜索中若干关键问题的研究，共107页
摘要
针对用户自身在实际需求，偏好特点和行为方式等方面的不同，个性化信息服
务致力于满足用户个体的差异化信息需求。较传统的通用服务，个性化服务因为能
够更好地表征、迎合用户的个性化偏好而受到了普遍的认可，个性化的相关技术也
成为近年来一个新型的热门研究课题，受到了学术界和商业机构的广泛重视。本文
围绕个性化技术中最为核心的两项，个性化推荐和个性化搜索中的若干关键问题进
行研究、讨论，论文的主要工作包括以下内容:
1.研究、探讨了协同推荐问题，在遵循基本协同的基础上，我们希望探寻、
讨论新的有效推荐的研究思路。以此为基本出发点，本文提出了一种基于自低至高
两个层面的多个BP神经网络进行项目评价预测的方法(孙。一 LevelmultiPleNeural
Netwo众s一 basedeollaborativeFilteringRecommendationAlgorithm，简记为
TMNN一CFRA)。两层面的多个BP神经网络协同工作，高层面BP网反向误差传播
直至低层面多ANN进行网络权值修正，以此为基础借助用户评价等特征前向给
出项目推荐预测。美国评测集MovielenS上的实验评测验证了TMNN一CFRA算法
的可行性和有效性。
2.协作过滤推荐算法具有“冷启动”问题。“冷启动”问题的根源在于评价信
息过于有限，推荐系统难以准确挖掘出用户偏好。本文提出了借助用户的模糊反馈
信息改善冷启动推荐性能的基本研究思路(具体涉及2个算法)。对于项目推荐中棘
手的冷启动问题可以从用户模糊反馈信息挖掘的角度展开研究，相对于完全地基于
有限的项目评价本身的相似度测量改进等传统方法，这是一个相对比较新的研究基
点，对于解决冷启动问题具有重要的意义。我们采用两个独立的算法研究、探讨了
模糊反馈数据对于冷启动推荐的意义。其中，算法1采用后向传播的神经网络方法
直接就模糊反馈数据本身进行学习，从“相对优劣”中挖掘用户对项目属性等的兴
趣偏好;算法2对数据进行基础性变换，巧妙地从原本不具有可比性的模糊反馈数
据和项目评价信息中抽取用户之间的相似度，以此为基础进行推荐预测。一般意义
上而言，协作分析范畴的算法2较基于内容分析范畴的算法1具有更好的性能水平，
初步验证了模糊反馈数据在冷启动阶段的积极意义。
3.M爬b信息的爆炸式增长极大地激发了用户对于个性化的领域搜索服务的需
求。本文提出并研究、实现了个性化的垂直搜索算法 (PersonazliedVerticalSearch
Algorithm，简记为PvsA)，该算法以领域特征为出发点，借助领域主题偏好向量、
领域元数据权重因子、检索名词差异化策略等4个策略有效挖掘、表征用户的领域
个性化偏好，以此为基础生成基于用户偏好的垂直搜索算法，PVSA算法在个性化
的领域搜索问题上取得了良好的效果。
4.自动化的服务组合、服务推荐等是语义Web研究的重点。不同于完全地
依赖本体进行服务推荐的思想，本文从统计学角度出发，提出了基于用户偏好的
服务推荐算法(preferenee一 basedServiceRecommendationAlgorithm，简记为
PSRA)，该算法首先基于Web服务语义进行无效后继服务过滤，然后基于职业
本体、语义距离等针对人口统计学要素进行相似度计算，接下来融合人口特征至
推荐评价，相对有效地给出综合人口统计学要素和评价信息的新的轻量的用户相
似度度量，最后基于综合人口统计学要素和评价信息等特征的用户相似度给出满
足用户个性化需求的后继推荐服务输出，PSRA在个性化服务推荐问题上取得了良
好的效果。
关键词:BP神经网络;用户相似度;冷启动推荐;个性化;协作过滤;模糊
反馈;推荐;最近邻居;人口统计学要素
目录
第1章绪论...................1
1.1研究背景和意义...............1
1.2主要研究工作.................··1
1.3论文的主要贡献.....................··3
1.4论文内容和结构..........................4
第2章个性化推荐和搜索技术综述...................7
2.1引言........................7
2.1.1个性化服务的发展历程....................7
2.1.2个性化服务的意义与典型系统............8
2.2个性化推荐和搜索相关技术综述..........10
2.2.1个性化服务中的基本技术.................10
2.2.2协作过滤推荐技术..........................13
2.2.3基于内容的推荐技术和混合推荐技术......................16
2.2.4个性化推荐近期研究进展和个性化搜索概述...........18
2.3本章参考文献..........................···22
第3章基于Back一Pr叩神经网络的协同推荐算法................27
3.1引言......27
3.1.1背景及相关工作........·.·············27
3.1.2本文研究的基本思路................·····28
3.2人工神经网络基础..............29
3.2.1人工神经网络(ANN)的基本工作机制..……29
3.2.2Delta法则和典型网络概要......……，...30
3.3基于BP神经网络的协作过滤推荐算法............................31
3.3.1TMNN一CFRA算法概述.................31
3.3.2特征相似度提取............................…32
3.3.3基于BP神经网络的协作过滤推荐算法..................33
3.4试验评测........................36
3.4.1数据集......................36
3.4.2评测指标与试验过程(SetuP)..............36
3.4.3试验结果.....................37
3.5本章总结……42
3.6本章参考文献..........................43
第4章基于模糊反馈改善冷启动推荐性能.................45
4.1引言......……5
4.1.1背景及相关工作.....................45
4.1.1.1何为冷启动问题.....................45
4.1.1.2针对冷启动问题的当前研究.....……46
4.1.2本章研究的基本思路私!意义................…46
4.2基于后向传播的神经网络学习用户偏好....……47
4.2.1用户模糊反馈的形式化描述................……47
4.2.2预备知识私l用户喜好模型....................……4S
4.2.3基于后向传播的神经网络从模糊反馈中学习用户的兴趣偏好..............50
4.3.1
4.3.2针对模糊反馈的基本思考
基于最近邻居学习用户的模糊反馈..........................53
试验评估
4.4.1数据集
55
55
jn寸月庄工dl
4.4.2评测指标和试验过程.......................……55
4.4.3实验结果
冷启动推荐总结及进一步的思考
不同阶段的推荐问题综合.....……
本章参考文献.........................……
个性化的领域搜索......……
言口勺
4.5
4.6
4.7
第5章
5.1
1.1
1.2
背景及相关_「:作介绍..……
PVSA算法概述和全文结构
PVSA构建个性化域搜索的四个基本策略
5.2.1
5.2.2
5.2.3
5.2.4
基于领域主题喜好(向量)的网页差异化策略.…
基于领域元数据提升域需求同检索输出关联度
基于用户偏好的检索名词差异化策略..........……
词典库更新策略..............................................……
个性化的领域搜索算法
Q乙dO
:
民dl卜d
5.3
5.3.2
PVSA算法描述..............……
PVSA系统的基本工作流程
5.4试验评测
5.4
5.4.2
实验平台搭建.....……
实验过程与实验结果
5.5
5.6
第6章
本章总结................
本章参考文献..............
基于用户偏好的服务推荐.…
言习勺︸
6.1.1
6.1.2
背景及工作介绍...........……
PSRA算法的典型__〔作场景
基于用户偏好的服务推荐的一般思考
6.2.1基于用户偏好的服务推荐的内涵
6.2.2针对基于用户偏好的服务推荐的一般考虑
基于用户偏好的的服务推荐算法PSRA
O白Jn卜内U卜八U
6.3
6.3.2
PSRA算法的基本框架.........……
基于用户偏好的服务推荐算法
6.3.2.1服务推荐候选生成....................
6.3.2.2基于人口统计学要素的相似度测量..........……
6.3.2.3融合人口特征和评价信息的(后继)服务推荐
试验评测...........
6.4.1
6.4.2
评测指标与数据基本划分
实验过程与实验结果..……
推荐问题的进一步研究—基于上下文的资源推荐策略
庄1民d卜八U户06.6本章总结........................100
6.7本章参考文献.......................100
第7章结束语.............................102
7.1论文总结和创新点..............................102
7.2进一步的研究和展望..........................……103
7.3本章参考文献.................................……105
攻读博士学位期间的主要论文.........……106
致谢..............................……107

论文文件预览：
共1文件夹，1个文件，文件总大小：8.24MB，压缩后大小：7.51MB

• 博士论文-个性化推荐和搜索中若干关键问题的研究
• 博士论文-个性化推荐和搜索中若干关键问题的研究.nh  [8.24MB]