基于多維情境的移動(dòng)信息服務(wù)個(gè)性化推薦算法研究

《基于多維情境的移動(dòng)信息服務(wù)個(gè)性化推薦算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、學(xué)校代碼；１０００４密級(jí)：公開(kāi)如《道又肇ＢＥＩＪＩＮＧＪ１ＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ碩±學(xué)位論文基于多維情境的移動(dòng)信息服務(wù)個(gè)性化推薦算法研究作者姓名喬磊學(xué)科專(zhuān)業(yè)信息管理指導(dǎo)教師張潤(rùn)形教授培養(yǎng)院系經(jīng)濟(jì)管理學(xué)院－Ｊ＾Ｉ?。蓿崳姸阋涣晁脑拢墸颍崳姡桑耄蓿崳娙纾Ы还箱h碩±學(xué)位論文基于多維情境的移動(dòng)信息服務(wù)個(gè)性化推薦算法研究ＲｅｓｅａｒｃｈｏｎＰｅｒｓｏｎ過(guò)ｌｉｚｅｄ民ｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｋｈｍｏｆＭｏｂｉｌｅＩｎｆｏｒｍａｔｉｏｎＳｅｒｖｉｃｅｂａｓｅｄｏｎＭｕｌｔ

2、ｉｄｉｍｅｎｓｉｏｎａｌＣｏｎｔｅｘｔＩｎｆｏｒｍａｔｉｏｎ作者：?jiǎn)汤冢崳妼?dǎo)師；張潤(rùn)形北京交通乂學(xué)２０１６年４月學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解北京交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)北京交通大學(xué)可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，提供閱覽服務(wù)并采用影印、縮印或掃描等復(fù)制手段保存、匯編Ｗ供査閱和借閱。，同意學(xué)校向罔家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)。（保密的學(xué)位論義在解密后適用本授權(quán)說(shuō)明）＇Ｖ＾—學(xué)位論文作者簽名；導(dǎo)師簽名：如心Ｉ弓簽字曰期：年＾月曰簽字曰期：月曰＞年方ｆ抓

3、〇，／么（７＾備Ｖ小閣分義４：Ｃ９３１．６學(xué)校代碼：１０００４ＵＤＣ：密級(jí)：公開(kāi)北京交通大學(xué)碩±學(xué)位論文基于多維情境的移動(dòng)信息服務(wù)個(gè)性化推薦算法研究ＲｅｓｅａｒｃｈｏｎＰｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｍｏｂｉｌｅｉｎｆｏｒｍａｔｉｏｎｓｅｒｖｉｃｅｂａｓｅｄｏｎｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｃｏｎ化ｘｔｉｎｆｏｒｍａｔｉｏｎ作者姓名：?jiǎn)汤冢墝W(xué)號(hào)：１３１２０６３１導(dǎo)師姓名；：張潤(rùn)形職稱(chēng)教授學(xué)位類(lèi)別；管理學(xué)學(xué)位級(jí)別；碩±學(xué)科專(zhuān)業(yè)：信息管理研究方向；信息資源管

4、理北京交通大學(xué)２０１６年４月致謝謹(jǐn)在此向所有給予我支持、幫助和關(guān)也的老師、家人和同學(xué)表示誠(chéng)寧的謝意。本論文的工作是在我的導(dǎo)師張潤(rùn)形教授的悉也指導(dǎo)下完成的，導(dǎo)師嚴(yán)謹(jǐn)?shù)闹危崳妼W(xué)態(tài)度和科學(xué)的工作方法給了我極大的幫助和影響。在此衷也感謝多年來(lái)導(dǎo)師對(duì)我的關(guān)也和指導(dǎo)。此外在理論研究及論文撰寫(xiě)期間，尚小縛、周陽(yáng)等同學(xué)在論文研究思路和寫(xiě)。作規(guī)范方面給予了熱情幫助，在此向他們表達(dá)我的感激之情最后感謝巧的家人，他們?cè)谏钌系臒o(wú)微不至的關(guān)懷促使我堅(jiān)持不懈地鉆研一切困難的決必和毅力和學(xué)習(xí)，他們給了我克服。在此對(duì)他們表示我最衷必的感謝和祝福。北京交通大

5、學(xué)碩±學(xué)位論義中文摘要中文摘要隨著移動(dòng)信息服務(wù)的迅速發(fā)展和普及，數(shù)據(jù)采集技術(shù)的不斷進(jìn)步，我們可Ｗ＂＂－二維的采集到的倩息的維度不斷提高，傳統(tǒng)僅考慮用戶(hù)項(xiàng)目推薦模式在所采集到的信息量相對(duì)較少，數(shù)據(jù)維度相對(duì)較低的情況下可Ｗ取得較好效果，但在移＂＂動(dòng)信息服務(wù)環(huán)境下－二維的推薦，儀儀靠用戶(hù)項(xiàng)目模式并不能為用戶(hù)在持定情境信息條件下生成有效的個(gè)性化推薦。隨著移動(dòng)技術(shù)的發(fā)展Ｗ及各類(lèi)傳感設(shè)備種類(lèi)的增多，可Ｗ采集到的關(guān)于移動(dòng)用戶(hù)在移動(dòng)環(huán)境中的情境信息多種多樣，而這些情境信息對(duì)于推薦的性能也是非常重要的。巧此，為移動(dòng)用戶(hù)在特定情境下提供個(gè)性化的推薦變得十分

6、重要和迫切。目前結(jié)合移動(dòng)環(huán)境下窩維度情境信息的推薦技術(shù)研究在國(guó)內(nèi)外均處于起步階段，本文Ｗ給移動(dòng)用戶(hù)在特定情境下提供個(gè)性化的推薦進(jìn)一步提高推薦的準(zhǔn)確性和用戶(hù)滿意度為日標(biāo)，探討基于多維情境信息的移動(dòng)信息服務(wù)個(gè)性化推薦方法。本文立足于移動(dòng)信息服務(wù)環(huán)境，充分考慮移動(dòng)信息服務(wù)環(huán)境中的高維度情境＂＂信息－二，對(duì)多類(lèi)型用戶(hù)情境信息進(jìn)行分析和建模，論文將用戶(hù)項(xiàng)目維推薦算法中較為成熟的基于用戶(hù)的協(xié)同過(guò)濾推薦算法與多維情境信息條件進(jìn)行結(jié)合，通過(guò)將單維度情境信息條件下用戶(hù)的偏好進(jìn)行擴(kuò)展，根據(jù)不同情境信息對(duì)偏好影響的程度不同，預(yù)，對(duì)現(xiàn)有的協(xié)同過(guò)濾推薦算法中的相似度計(jì)

7、算算法進(jìn)行改進(jìn)測(cè)對(duì)多維情境信息條件下用戶(hù)偏好，最終得出適用于移動(dòng)信息服務(wù)環(huán)境下的可Ｗ應(yīng)對(duì)多維情境信息的個(gè)性化推薦算法。在面對(duì)單維情境信息的用戶(hù)偏好數(shù)據(jù)稀疏性問(wèn)題時(shí)，充分利用Ｈ維空間中潛在的數(shù)據(jù)關(guān)聯(lián)關(guān)系，使得，引入Ｈ階張量分解技術(shù)嚴(yán)重的數(shù)據(jù)稀疏性問(wèn)題得到緩解。本文最后采用推薦領(lǐng)域著名的ＭｏｖｉｅＬｅｎｓ公開(kāi)二數(shù)據(jù)集對(duì)算法進(jìn)行了仿真測(cè)試，仿真結(jié)果顯示，改進(jìn)后的算法與傳統(tǒng)的維推薦模式相比推薦結(jié)果更加精準(zhǔn)，驗(yàn)證了情境信息對(duì)用戶(hù)偏好具有影響，同時(shí)與現(xiàn)有的結(jié)合情境信息的推薦方法相比，說(shuō)明，本文得出的