基于BTM的個性化推薦系統(tǒng)研究與應(yīng)用.pdf

1、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當方式明確標明，并符合法律規(guī)范和《廈門大學(xué)研究生學(xué)術(shù)活動規(guī)范(試行)》。另外，該學(xué)位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費或?qū)嶒炇业馁Y助，在()實驗室完成。(請在以上括號內(nèi)填寫課題或課題組負責人或?qū)嶒炇颐Q，未有此項聲明內(nèi)容的，可以不作特別聲明。)聲明人(簽名)：葉諱違≯岱

2、年5『月f礦日摘要摘要隨著互聯(lián)網(wǎng)的高速發(fā)展和數(shù)據(jù)的爆炸性增長，用戶面臨著日益嚴重的信息過載問題，社會化媒體的興盛使用戶更加容易淹沒在信息的海洋中。推薦系統(tǒng)作為一種比搜索引擎更加高效的信息過濾技術(shù)，逐漸地成為各個社會化媒體的主要功能之一。傳統(tǒng)的推薦技術(shù)大多基于用戶關(guān)系，難以有效地挖掘用戶興趣。本文在結(jié)合一元混合模型和LDA模型的基礎(chǔ)上，引入了BTM用戶興趣建模技術(shù)，較好地解決了傳統(tǒng)的向量空問模型維度高、矩陣稀疏和一詞多義等問題，同時針對社

3、會化媒體中的用戶特征和數(shù)據(jù)特點進行了改進，并基于此設(shè)計和實現(xiàn)了一個包含數(shù)據(jù)收集模塊、預(yù)處理模塊、興趣分析模塊和個性化推薦模塊的個性化推薦系統(tǒng)。論文的主要工作如下：首先，研究和探討了用戶建模和推薦算法等推薦系統(tǒng)相關(guān)技術(shù)，其中重點研究，基于內(nèi)容的推薦以及協(xié)同過濾推薦，并結(jié)合具體的應(yīng)用場景分析了各自的優(yōu)點和缺點。其次，本文結(jié)合一元混合模型和LDA模型，引入了基于BTM的用戶興趣建模方法并詳細闡述了BTM的原理和建模過程，同時針對社會化媒體中的