文档介绍：硕士学位论文
利用关联数据中隐式反馈的 Top-N 推荐系
统研究
RESEARCH ON TOP-N RECOMMENDATION
BASED ON IMPLICIT FEEDBACK OF LINKED
DATA
王贺玉
哈尔滨工业大学
2015 年 6 月
国内图书分类号： 学校代码：10213
国际图书分类号： 密级：公开
工程硕士学位论文
利用链接数据中隐式反馈的 Top-N 推荐系
统研究
硕士研究生 ： 王贺玉
导 师 ： 李建中教授
申 请 学 位 ： 工程硕士
学科 ： 计算机科学与技术
所 在 单 位 ： 计算机科学与技术学院
答 辩 日 期 ： 2015 年 6 月
授予学位单位 ： 哈尔滨工业大学
Classified Index:
:
Dissertation for the Master Degree in Engineering
RESEARCH ON TOP-N RECOMMENDATION
BASED ON IMPLICIT FEEDBACK OF LINKED
DATA
Candidate： Wang Heyu
Supervisor： Prof. Li Jianzhong
Academic Degree Applied for： Master of Engineering
Speciality： Computer Science and Technology
Affiliation： School of Computer Science and
Technology
Date of Defence： June, 2015
Degree-Conferring-Institution： Harbin Institute of Technology
哈尔滨工业大学工程硕士学位论文
摘 要
近些年来随着互联网的迅速发展，信息负载对用户的决策产生了巨大的挑
战。推荐系统已经成为一种有效的工具用来帮助人们在复杂的信息空间中找到
他可能感兴趣的物品。但是由于在大多数问题中推荐系统只有用户对物品的评
分信息，信息的局限性导致了推荐效果不是很理想。目前主流的推荐系统的研
究主要分为两个方面，一个是基于协同过滤方法，使用不同的方法构造用户和
物品的新特征，根据新的特征进行改进。另一个是基于矩阵分解的方法，该方
法通过矩阵分解的办法解决推荐问题中数据稀疏的问题。本文通过加入链接数
据，构建链接数据与实体数据的关系模型提高了 Top-N 推荐的准确性。本文的
主要研究内容分为以下几个方面：
首先，通过改进用户近邻的选择和引入评分正则化改进了基于用户的推荐
算法，然后通过一个直观的三维数据模型表示物品和链接数据之间的关系，在
模型中提取物品特征，然后利用基于内容的推荐算法进行计算。最后使用了基
于线性混合的算法将两个算法结果进行混合，改进了推荐的效果。
其次，将数据利用图结构表示，利用两种不同的相似度计算方法来计算图中
的推荐，一种使用基于图中边数目的方法，另一种利用一维数据模型将数据表
示成特征向量，计算他们之间的相似度。然后考虑二部图中的性质，利用刚