论文部分内容阅读
随着互联网技术的飞速发展，人类社会迈入了大数据时代。从海量数据中挖掘出符合人们需求或有利于企业商务决策的信息变得越来越困难。个性化推荐被视为有效解决这一信息过载问题的重要手段之一。但现有个性化推荐研究存在忽视领域知识、脱离情境、稀疏与多样性不足等问题，阻碍其商业应用。 链路预测方法在解决个性化推荐问题上具有独有的优势。本文将个性化推荐推荐问题转化为复杂网络中的链路预测问题，这为个性化推荐算法的研究带来了新的思路。但现有链路预测算法仅仅考虑了网络拓扑结构对网络演化的影响，而忽视领域知识和时间情境对网络演化的重要作用，因此，本文研究将其引入到基于链路预测的个性化推荐方法中。本文的主要研究工作如下: (1)对目前链路预测的方法进行比较全面的综述，指出了现有方法应用于二分网络的局限性，设计了基于二分网络的个性化推荐过程，并在此基础上构建了基于二分网络的节点相似性指标。 (2)总结了基于链路预测的个性化推荐研究的不足，阐述了产品领域知识和时间情境的重要性，提出了基于链路预测和领域知识的个性化推荐框架。 (3)根据零售领域的产品分类，建立了产品领域本体，设计了基于产品领域的语义相似度计算方法，并将其融入到链路预测算法中。 (4)将时间情境和链路预测算法相结合。设计了用户偏好的时间衰减函数，并将用户的时间衰减特征与产品语义相似度、网络拓扑结构特征相结合。 (5)通过案例研究，探讨了本文改进的个性化推荐算法在零售超市中的应用。 本研究在理论上将领域知识、链路预测和个性化推荐三者结合，探索个性化推荐方法上的创新，从一个新的视角丰富了个性化推荐理论。同时，也可对电商企业提升个性化推荐的多样性、准确性和企业效益提供理论和实践的指导。