开题报告(王帅)

《开题报告(王帅)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、本科生毕业论文（设计）开题报告课题名称社会标注系统中的个性化服务问题研究院系名称息管理系专业名称信息系统与信息管理学生姓名王帅指导教师邰杨芳一、研究背景、概况及意义1.研究背景个性化信息推荐是根据不同用户的信息需求、偏好或信息行为模式，将用户感兴趣的信息、服务等推荐给用户的个性化信息服务。鉴于人们不再满足于有机器挖掘的各种信息，而是要结合自身的偏好享用个性化的信息服务，故需要收集和分析用户（用户群）的历史信息，主动进行定量的个性化偏好分析，同时利用智能推荐技术准确地将个性化的信息推荐给用户。而用户（用户群）的历史信

2、息以标签来表示，它标志着用户从被动的信息消费者变为主动的信息创造者，用户可以自由的在网络上创建和使用代表自己意愿的任意标签，同时还可以共享各种其他用户创建的标签。用户在标注网络资源时，不但更加准确客观的反应资源的相关特征，而且为个性化推荐服务带来了至关重要的数据源。结合标签系统的标签推荐系统，相比较传统的个性化推荐系统可以更加准确的获取用户的特征，为用户获取其“量身定做”的信息。从豆瓣网站看，利用标签信息进行个性化推荐系统的摸索与应用，给用户带来更好的用户体验，从而提高网站流量与用户依赖度。2.国内外研究概况2.1

3、国外基于网络标签的个性化研究现状对个性化信息推荐的研究比较早，1999年B.Smyth等提出通过用户偏好分析和信息过滤技术来生成给予个性化的浏览偏好的观看电视指南。较正式提出给予标签的个性化信息推荐概念的是J.Robert等，2007年他们于将资源一标签的方式标注，以FolkRank为基础，通过比较协作化推荐和基于图的推荐，验证了基于图的推荐的优越性，同年，德国的C.S.Firan等认为协作化标签不仅可以表示网络中的许多资源，还可以从中发现用户的使用偏好。此后，陆续有许多学者开始关注这一领域的发展，从模型的角度对基

4、于标签的个性化信息推荐进行文献分析研究。2.2国内基于网络标签的个性化研究现状国内对个性化服务的研究比较晚，2005年张亮在中国索引学会发表的社会书签、内容索引和网上个性化服务。应用高维奇异值分解这种标签分析技术应对社会书签中的信息不足问题和用户兴趣多样化问题。2007年刘妮和唐慧佳发表的Web挖掘在基于标签的个性化推荐中的应用，基于Web使用挖掘的个性化服务是目前Web个性化服务应用和研究的关键技术,将基于Web挖掘的个性化信息服务思想具体应用到标签推荐个性化服务体系中,实现信息的个性化推荐服务。引出了利用网络挖

5、掘进行个性化推荐。2008年陈堔发表的基于社会化标签的个性化搜索研究，综合传统的Web日志挖掘方法及对社会化标签数据的处理来获取用户的特征,并据此对用户进行个性化推荐和贡献。社会化标签网带来的是由用户主动标识过的信息资源,相比较传统的Web日志挖掘而言,从这些信息资源中学习用户的偏好特征必然更为客观和准确。利用网络挖掘和社会化标签相结合的方式进行个性化推荐。2010年万朔发表的基于社会化标签的协同过滤推荐策略研究，在个性化推荐的基础上运用协同过滤技术，协同过滤技术可以用群体去预测个体,充分挖掘群体的智慧为个体服务。

6、2012年苏巧发表的基于社会化标签的个性化信息推荐服务，从网络结构、张量模型和潜在语义三个角度分析基于标签的个性化推荐系统，提出一种混合的推荐服务框架，能够有效地将基于网络、张量和主题的方法结合到一起，具有很好的灵活性和扩展性。个性化推荐运用于服务。2013年的个性化推荐服务趋向于细节化，如：幸小然发表的基于本体的电影院NFC智能应用系统的设计与实现，孙文心发表的社会化美食推荐系统研究与设计和李佳玲发表的基于社交网络的推荐系统研究等。3.研究意义20世纪90年代中期，个性化研究推荐作为一个独立的概念被提出来，由于巨

7、大的应用需求，推荐系统自提出以来得到了学术界和企业界的广泛关注。由于个性化推荐系统的良好发展和广阔的应用前景，目前，几乎所有大型电子商务系统和各种提供个性化服务的网站，如淘宝网和豆瓣网等，都在不同程度的使用者各种形式的个性化推荐系统，个性化推荐系统可以有效的保留客户提高客户忠诚度，为网站带来巨大的效益。本文研究社会网络环境中用户的信息行为规律，找出制约用户进行网络信息管理与检索利用的主要因素。为根据用户信息行为改进标签网站以提高网站信息组织和检索效率，充分实现社会化网络环境中信息的传播、共享与利用提供决策依据。二、

8、研究主要内容社会化标注系统的个性化信息服务研究的主要研究内容包括：（1）用户兴趣或信息行为特征的描述（建模）针对每个用户，将用户的标签用向量的形式表示，构建该用户的标签-资源矩阵，采用SPSS19.0或Ucinet6软件工具计算标签向量之间的余弦相似度，并结合标签概念之间的距离（基于标签共现频率计算）确定标签间的层次空间。将用户标签层次空间中根结点下的第一层