基于lbsn的個(gè)性化推薦技術(shù)研究

《基于lbsn的個(gè)性化推薦技術(shù)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、胃Ｓ日ＵＴＨＷＫ了扁了ＤＮＧＵＮＩＶＥＲＳＩＴＹ＾碩±學(xué)位論文ｆ胃曝確岡＊論．邏國(guó)內(nèi)圖書(shū)分類號(hào)：ＴＰ３１１密級(jí)；公開(kāi)國(guó)際圖書(shū)分類號(hào)：００４西南交通大學(xué)研究生學(xué)位論文基于ＬＢＳＮ的個(gè)性化推薦技術(shù)研究年級(jí)２０１３級(jí)姓名羅維佳申請(qǐng)學(xué)化級(jí)別碩±專業(yè)軟件工程指導(dǎo)教師喬少杰二零一六年五月二十五日Ｃｌａｓｓ巧ｅｄＩｎｄｅｘ：ＴＰ３１１Ｕ．Ｄ．Ｃ：００４ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＭａｓｔ

2、ｅｒＤｅｇｒｅｅＴｈｅｓｉｓＲｅｓｅａｒｃｈｏｆｔｈｅｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｐｔｅｃｈｎｏｌｏｏｎＬｏｃａｔｉｏｎＢａｓｅｄＳｏｃｉａｌＮｅｔｗｏｒｋｓｇｙＧｒａｄｅ：２０１３Ｃａｎｄｉｄａｔｅ：ＬｕｏＷｅｉｉａｊＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ：ＭａｓｔｅｒＤｅｒｅｅｇｐｐｇＳｐｅｃｉａｌｉｔｙ；ＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇＳｕｅｒｖｉｓｏｒ；ｉａｏＳｈａｏｉｅｐＱｊＭａ．２５

3、２０１６ｙ，西南交通大學(xué)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學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可Ｗ將本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，可Ｗ采用影印。、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文本學(xué)位論文屬于１．保密□，在年解密后適用本授權(quán)書(shū)；２．不保密＾使用本授權(quán)書(shū)。＂（請(qǐng)?jiān)冢咨戏娇騼?nèi)打小）學(xué)位論文作者簽名；指導(dǎo)老師簽名：。２．Ｘ．曰期曰

4、期＿乂：２６西南交通大學(xué)碩±學(xué)位論文主要工作（貢獻(xiàn)）聲明本人在學(xué)位論文中所做的主要工作或貢獻(xiàn)如下：本文針對(duì)ＬＢＳＮ的個(gè)性化推薦技術(shù)進(jìn)行研究，分析現(xiàn)有模型中對(duì)簽到位置聚類算法的不足一，提出了種對(duì)簽到數(shù)據(jù)進(jìn)行聚類的算法。除此之外，本文對(duì)ＬＢＳＮ中的個(gè)性化好友推薦模型進(jìn)行優(yōu)化一種雙向，將好友關(guān)系對(duì)稱性融入現(xiàn)有模型當(dāng)中，提出－ＴＯＰＷ算法。最后證明了本文提出的兩種新算法具有更好的評(píng)價(jià)指標(biāo)，本文主要的研究成果如下：一１、提出了種基于ＬＢＳＮ的聚類算法，給出了算法的具體描述，并結(jié)合實(shí)例

5、與傳－ｅｄｏｉｄｓ、。最后通過(guò)統(tǒng)ｉｔｍ算法ＰＫＭＤ算法和ＬＰＫＭＤ算法進(jìn)行比較，分析算法的優(yōu)劣五組實(shí)驗(yàn)證明本文算法具有較好的聚類結(jié)果。一２－ｎ－Ｗ的、將好友關(guān)系的對(duì)稱性融入傳統(tǒng)ＴＯＰ算法中，提出種雙向ＴＯＰ好友推薦模型，給出了増量策略的定義，并根據(jù)増量策略構(gòu)建相似性圖譜，使得最終的推薦效果更好。實(shí)驗(yàn)證明在ＬＢＳＮ好友推薦系統(tǒng)中，優(yōu)化后的模型具有更好的準(zhǔn)確率和召回率。本人鄭重聲明：所呈交的學(xué)位論文，是在導(dǎo)師指導(dǎo)下獨(dú)立進(jìn)行研究工作所得的成果。除文中己經(jīng)注明弓傭的內(nèi)容外，本論文不

6、包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的研究成果。對(duì)本文的研究做出貢獻(xiàn)的個(gè)人和集體，均已在文中作了明確說(shuō)巧。一切法律責(zé)任將由本人承擔(dān)本人完全了解違反上述聲明所引起的。學(xué)位論文作者簽名：曰期：三＾西南交通大學(xué)碩±研究生學(xué)位論文第Ｉ頁(yè)摘要隨著定位技術(shù)的發(fā)展，用戶地理位置的實(shí)時(shí)獲取變得越來(lái)越簡(jiǎn)單，這帶來(lái)了基于位置的社交網(wǎng)絡(luò)飛速發(fā)展，越來(lái)越多的移動(dòng)終端接入到網(wǎng)絡(luò)中，它們提供的位。同時(shí)置信息也給用戶帶來(lái)了更加豐富的資訊信息?；谖恢玫纳缃痪W(wǎng)絡(luò)個(gè)性化推薦系統(tǒng)與一起，ＬＢＳＮ

7、電子商務(wù)、０２０等行業(yè)緊密聯(lián)系在具有極高的經(jīng)濟(jì)價(jià)值，因此研究基于的個(gè)性化推薦技術(shù)已經(jīng)成為當(dāng)今學(xué)術(shù)界非常熱口的研究領(lǐng)域。本文探究ＬＢＳＮ個(gè)性化推薦系統(tǒng)的理論和相關(guān)技術(shù)，并對(duì)常用的推薦算法進(jìn)行了簡(jiǎn)單介紹。研究了當(dāng)前主流的ＬＢＳＮ個(gè)性化推薦技術(shù)框架，總結(jié)了聚類技術(shù)Ｗ及好友一，種是基于ＬＢＳＮ的聚類算法推薦模型中的不足并據(jù)此提出了兩種改進(jìn)算法。，用一于獲取更好的聚類結(jié)果；另種是將好友推薦模型中好友間的對(duì)稱性融入到推薦結(jié)果中在此基礎(chǔ)上提出一，這種推薦結(jié)果具，并種完全對(duì)稱性好友推薦結(jié)果有更好的

8、準(zhǔn)確率和召回率。本文首先本文介紹了研究背景及研究意義，并闡述了基于ＬＢＳＮ個(gè)性化推薦技術(shù)的研究現(xiàn)狀與進(jìn)展。接著，本文對(duì)個(gè)性化推薦技術(shù)的相關(guān)理論基礎(chǔ)和各種推薦算法的優(yōu)缺點(diǎn)進(jìn)行了歸類總結(jié)。然后，本文介紹了聚類算法在ＬＢＳＮ個(gè)性化推薦技術(shù)中的應(yīng)ＳＮ網(wǎng)一用絡(luò)中存在的不足，，分析了傳統(tǒng)聚類算法在基于ＬＢ提出了種面向ＬＢＳＮ的聚類算法，并通過(guò)實(shí)驗(yàn)證明本文提出的聚類算法具有更好的距離平方和和收斂速度。一■的減小同