检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 计算机科学与技术...
- 1 篇 软件工程

主题

1 篇 个性化信息推荐
1 篇 mapreduce
1 篇 并行计算
1 篇 协同过滤
1 篇 top-n推荐
1 篇 数据稀疏问题
1 篇 二分网络
1 篇 评分预测
1 篇 大规模数据处理问...

机构

1 篇 国防科学技术大学

作者

1 篇 殷风景

语言

1 篇 中文

检索条件"主题词=大规模数据处理问题"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

个性化信息推荐中若干关键问题与技术研究

个性化信息推荐中若干关键问题与技术研究

引用

作者：殷风景国防科学技术大学

学位级别：博士

互联网技术的飞速发展与信息网络化趋势的蔓延使得互联网上信息的数量快速膨胀,人们面临着信息过载带来的信息获取方面的困难。如何帮助互联网用户更加有效地获取自己想要的信息,成为信息科学、计算机科学与网络科学等交叉领域的研究热... 详细信息

互联网技术的飞速发展与信息网络化趋势的蔓延使得互联网上信息的数量快速膨胀,人们面临着信息过载带来的信息获取方面的困难。如何帮助互联网用户更加有效地获取自己想要的信息,成为信息科学、计算机科学与网络科学等交叉领域的研究热点。得益于众多研究人员的不懈努力,当前已经有了几种可以比较高效地获取感兴趣的信息的方式,最主要的是信息检索技术和信息过滤技术,前者以各种搜索引擎为典型代表,通过与用户的交互获取用户对目标信息的描述,通过描述关键词在网络中进行查找;后者以信息推荐为主要方法,通过收集用户的行为数据和其他属性信息,分析用户的潜在兴趣,为用户筛选可能感兴趣的信息。搜索技术需要用户提供尽可能明确的关键词来描述自己的需求,并且有限的关键词无法进一步区分具有不同习惯的用户,得到的结果都是相同的;而推荐技术使用用户的有关信息以及其过往行为所代表的兴趣分析得到用户的偏好与倾向,并不以用户需求的自我描述为前提,所以用户可以以较少的付出得到更精准的信息。因此,对于没有明确需求的情况,推荐技术可以很好地满足用户的需求。推荐技术已经发展了近二十年,在很多领域已经取得了较为成功的应用,在理论研究方面,推荐技术得到了大量研究人员的关注,对经典推荐方法——比如协同过滤方法——的研究热度不减,还有很多其他的新方法——比如基于二分网络的方法——被不断提出,进一步丰富了推荐技术的相关研究。随着研究的不断深入以及应用环境的持续变化,推荐技术面临着不少问题与挑战,这其中最主要的就是数据稀疏性问题与大规模数据处理问题。数据稀疏性问题指的是基于协同过滤的推荐中用户与项目数量规模较大,但是用户对项目的评价数据相对较少,导致整个用户-项目矩阵中的评分数据十分稀疏,给推荐方法的计算带来准确性方面的影响。大规模数据处理问题是指随着实际应用中推荐技术要处理的数据量的不断增大,推荐算法的实时性压力越来越大,这就要求设计更加高效的方法或者提出其他提高算法执行效率的方法,提升推荐算法对数据的处理能力与处理速度。针对推荐技术面临的以上主要挑战,本文将对下面几个问题展开研究。第一,基于协同过滤方法的评分预测中数据稀疏性问题研究。评分预测是个性化信息推荐的一个主要研究内容,通过分析用户以往评分来预测未评分的项目的评分值。数据稀疏性问题对协同过滤算法的影响主要体现在用户相似度计算与评分预测生成两个阶段,数据稀疏导致用户之间的公共数据变得更加有限,使得用户之间相似结果的可信度下降;而受稀疏性的影响近邻的评分完整性无法保证,在不完整参考评分集上得到的评分预测值也就不能保证较高的准确度。因此,提出了基于绝对相似度度量进行参考用户(项目)选择和利用跨维度填补方法提高参考评分集完整性的方法。实验结果验证了本文提出的算法在减少数据稀疏性影响并提高推荐准确性方面的作用。第二,基于二分网络的top-n推荐中数据稀疏性问题研究。Top-n推荐是个性化信息推荐中的另一个基本问题,目的是向每个用户提供一个包含N个项目的推荐列表。二分网络的推荐方法是一种比较新颖的方法,这类方法能够更好地适应比较稀疏的数据,并且可以获得更高的推荐精度。以用户评分为依据划分用户兴趣时,只考虑用户喜欢的项目部分使得数据利用率很低,而对用户不喜欢的项目部分利用的不够;用户评分反映的兴趣差别不仅应该体现在兴趣的有无上,还应该进一步细化到兴趣强度的差异上以及兴趣资源转移过程中。本文提出了一种新的二分网络方法,通过分析用户不喜欢的项目所透露出来的信息建立负兴趣感知的用户兴趣模型,并且使用评分敏感的用户兴趣资源初始化方法与资源转移方法来体现用户兴趣在程度上的不同。接下来的实验表明,使用本文提出的新方法,推荐的效果取得了明显的提高。第三,基于二分网络的评分预测算法研究。针对节点度分布不均衡的数据,提出一种二分网络上无偏温差传导和有偏温度恒定的算法处理评分预测问题。由于不需要进行相似计算和选择固定个数用户(项目)作为近邻,二分网络的方法可以更好地缓解稀疏数据的影响。本文提出的算法基于热传导的过程,并采用用户之间的温差作为传导与比较的内容,并设定节点获得的温差是从所有连接节点处传导过来的温差的均值,以此平衡所有节点的影响;此外,利用温度恒定的过程计算项目节点的预测温度,得到用户对项目的评分预测值。由文中进行的实验可知,在特定类型的数据集上,本文提出的算法可以取得比基于协同过滤的方法更好的效果,并且该算法比经典热传导方法具有更高的计算效率。第四,基于Mapreduce的评分预测与top-n推荐算法的大规模数据处理问题研究。个性化信息推荐在实际应用中要处理的数据量越来越大,因此对算法的执行效率提出了更高的要求。有些研究针对算法计算过程进行精简,比如矩阵降维等,但这类方法受限于算法本身,并不能保证精简的效果一定能够满足要求,也不能无限地精简来提升算法的扩展能力。本

关键词：个性化信息推荐评分预测 top-n推荐协同过滤二分网络数据稀疏问题大规模数据处理问题 Mapreduce 并行计算

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：