基于自組織社區(qū)的個性化推薦算法研究與實現(xiàn).pdf

1、現(xiàn)代通信技術(shù)、Internet技術(shù)和多媒體技術(shù)的飛速發(fā)展，使得用戶可以通過各種靈活快捷的方式獲取形式多樣的信息資源，而這也不可避免的帶來了“信息過載”的問題。從基于內(nèi)容的過濾到協(xié)同過濾，研究者們意識到信息過濾不應(yīng)該單純的依賴信息本身，還應(yīng)該從信息的使用者和傳遞者——“人”出發(fā)，分析其偏好和行為等特性，進而有效的挖掘和利用用戶間的相互關(guān)系，以期實現(xiàn)更為準(zhǔn)確和有效的信息過濾，即個性化推薦。相關(guān)研究涉及信息檢索、數(shù)據(jù)挖掘、人工智能等眾多信息科

2、學(xué)領(lǐng)域。 本論文主要圍繞開放環(huán)境下的個性化推薦模型及算法的研究與實現(xiàn)展開。旨在通過對動態(tài)用戶行為的捕捉和分析、分布式環(huán)境下相似用戶查找和互惠社區(qū)的自組織構(gòu)建等關(guān)鍵技術(shù)問題的研究，為開放環(huán)境下的個性化推薦提供一個通用性強和擴展性好的算法框架，并對不同社區(qū)構(gòu)建模型和算法的有效性和魯棒性進行驗證。同時，將上述研究成果應(yīng)用于E-Learning領(lǐng)域，為大規(guī)模用戶集下的網(wǎng)絡(luò)教學(xué)中的學(xué)習(xí)社區(qū)監(jiān)控和個性化學(xué)習(xí)資源推薦提供一套切實有效的解決方案

3、，方便相同興趣和學(xué)習(xí)狀態(tài)學(xué)生間的資源推薦和協(xié)同交流等，從而使其能夠有效地共享學(xué)習(xí)資源和經(jīng)驗。 作者的學(xué)術(shù)貢獻及論文的創(chuàng)新性主要體現(xiàn)在以下幾個方面： 1.結(jié)合社會網(wǎng)絡(luò)的相關(guān)理論和概念，對開放環(huán)境下的個性化推薦問題進行了基于多智能代理的形式化描述，提出了一個新穎的基于互惠社區(qū)自組織構(gòu)建的個性化推薦框架模型SORCERY，為解決開放環(huán)境下的個性化推薦提供了一種具有良好通用性和擴展性的算法框架。 2.通過七個模塊的信息定

4、義，提出了一種能夠較好的適合開放應(yīng)用環(huán)境下個性化推薦需求的用戶檔案模型。并基于該模型，引入組隸屬度的概念來衡量用戶對特定社區(qū)的可信任程度，提出了一種基于多級智能代理機制的信任獎勵和動態(tài)交換機制，來獲取并利用用戶在資源請求中包含的個人特征，進而實現(xiàn)互惠社區(qū)的高效構(gòu)建和個性化推薦。 3.將向量空間模型引入上述算法模型，基于不同資源的特征頻度向量和用戶對該資源的評估值構(gòu)成用戶偏好特征向量(IFV，InterestFeatureVect

5、or)，作為衡量用戶興趣一致性和相似用戶的匹配的標(biāo)準(zhǔn)，從而解決了單純依靠資源名稱而導(dǎo)致的匹配的準(zhǔn)確性下降和交換機制失效的問題，使得該算法能夠適應(yīng)低維度的社區(qū)構(gòu)建。 4.針對上述自組織模型中固定社區(qū)結(jié)構(gòu)的缺陷，提出了一種基于自由網(wǎng)絡(luò)結(jié)構(gòu)的P2P社區(qū)模型，將每個用戶作為網(wǎng)絡(luò)中完全平等的對等體，通過智能代理自主維護其在推薦網(wǎng)絡(luò)中的信任鄰居關(guān)系。在此基礎(chǔ)上提出了一種基于Hebbian一致性學(xué)習(xí)模型的社區(qū)用戶的信任權(quán)重及社區(qū)結(jié)構(gòu)學(xué)習(xí)算法，

6、使得整個用戶網(wǎng)絡(luò)在多個智能代理的相互作用下形成多個能夠動態(tài)演化的社區(qū)。通過在標(biāo)準(zhǔn)的測試數(shù)據(jù)集上驗證，該算法模型與標(biāo)準(zhǔn)的協(xié)同過濾推薦算法和其他基于固定社區(qū)結(jié)構(gòu)的自組織機制相比，都具有更好的推薦準(zhǔn)確率和社區(qū)構(gòu)建效率。 5.基于上述研究成果，在E-Learning領(lǐng)域中實現(xiàn)了一個基于JADE智能代理平臺的學(xué)習(xí)社區(qū)監(jiān)控和個性化推薦系統(tǒng)。針對我國E-Learning應(yīng)用用戶數(shù)量巨大，地域分散的特點，為用戶提供了相似鄰居管理、資源評估、資源