多媒體系統(tǒng)中個性化推薦的研究和設計.pdf

1、多媒體系統(tǒng)中具有海量的資源，這些資源類型多樣化，表示方式多樣化。因此，為了幫助用戶快速發(fā)現(xiàn)感興趣內(nèi)容，論文設計了個性化推薦系統(tǒng)來為用戶提供個性化信息服務。本文從資源的組織、用戶模型的表示和建立、用戶興趣擴展、個性化推薦技術到系統(tǒng)、用戶的交互進行了整體的系統(tǒng)設計，每個部分的設計重點考慮了現(xiàn)有推薦系統(tǒng)中存在的一些問題并且對這些問題進行改進。首先，根據(jù)多媒體資源的特點，設計了基于概念網(wǎng)絡的資源組織方法；其次，根據(jù)用戶的訪問歷史，利用用戶記憶衰

2、退模型的特點建立用戶興趣模型；再次，設計基于信任度的協(xié)同過濾算法來擴展用戶興趣模型：最后，設計基于Random Walk思想的個性化排名系統(tǒng)對生成的推薦結果進行排名，將排名后的結果返回給用戶。論文中結合基于內(nèi)容的推薦方法和協(xié)同過濾的推薦方法提供個性化服務，從設計上降低了兩者缺點對推薦效果的影響。
　　論文主要研究內(nèi)容包括：
　　(1)設計概念網(wǎng)絡組織系統(tǒng)資源。通過挖掘用戶的瀏覽歷史記錄，將系統(tǒng)資源自適應建立概念網(wǎng)絡模型。

3、r>　　(2)根據(jù)用戶記憶模型建立用戶長期興趣模型和短期興趣模型，設計基于遺忘模型的更新算法，增強系統(tǒng)對用戶興趣變化的自適應能力。
　　(3)利用用戶信任度，設計協(xié)同過濾方法擴展用戶興趣模型，發(fā)掘用戶的潛在興趣，降低推薦內(nèi)容過于專門化的風險，強化推薦生成的可信度，同時提高推薦結果的準確性。
　　(4)設計基于二分的聚類算法，通過對用戶興趣模型聚類，降低相似性計算的計算復雜度，提高系統(tǒng)處理海量數(shù)據(jù)的可擴展性和效率。