基于优化支持向量机的个性化推荐研究9787568904841

文俊浩，男，重庆大学软件学院教授、博士生导师。近年来主要从事服务计算、数据挖掘等方面的研究。主持国家自然科学基金面上项目2项，主持国家“十一五”科技支撑计划项目1项，主研国家自然科学基金2项，主持并参与省部级项目10余项。2015年获国家教学成果二等奖（排名第2）。2014年获国家教学成果二等奖（排名第1），2013年获重庆市教学成果一等奖（排名第1），2011年获重庆市科技进步二等奖（排名第1）。近年来。发表学术论文70余篇，其中SCI检索20余篇，EI检索30余篇。

第1章绪论

1.1研究背景与意义…

1.2国内外研究现状…

1.3本书的主要工作…

1.4本书的组织结构

1.5本章小结

第2章支持向量机与个性化推荐相关研究分析…

2.1 支持向量机相关研究和优势分析

2.2个性化推荐系统相关分析……18

2.3基于支持向量机的个性化推荐技术

2.4评价指标

2.5本章小结第3章基于支持向量分类机的推荐方法

3.1支持向量分类机算法在个性化推荐应用中的分析

3.2支持向量分类机和参数优化对象

3.3粒子群优化（PSO）算法提升SVM的分类性能…

3.4 分类准确率实验结果与分析……49

3.5个性化推荐实验结果与分析……53

3.6本章小结

第4章基于支持向量机先分类再回归的推荐方法

4.1支持向量机回归算法在个性化推荐应用中的分析

4.2支持向量回归机和参数优化对象……

4.3带进化速度和聚集度的自适应PSO算法·

4.4准确率实验结果与分析……

4.5个性化推荐实验结果与分析……75

4.6本章小结

第5章基于平滑技术和核减少技术的对称支持向量机推荐方法…

5.1对称支持向量机分析……

5.2利用平滑技术和核减少技术改进对称支持向量机.

5.3核减少的平滑对称支持向量机（RSTWSVM)算法

5.4RSTWSVM算法性能测试结果及分析

5.5个性化推荐实验结果与分析……1085.6本章小结

第6章基于主动学习的半监督直推式支持

向量机推荐方法…6.1半监督支持向量机、主动学习和基于

图的方法6.2正则化框架和样本选择策略……1266.3 基于主动学习的半监督直推式支持向量机（ALTSVM）算法 …………1306.4 ALTSVM算法性能测试结果及分析

6.5个性化推荐实验结果及分析……140

6.6本章小结

第7章结论与展望…

7.1结论

7.2展望

参考文献

1.1研究背景与意义随着互联网技术与信息技术的发展，人们的生活、学习和生产方式发生了巨大改变，互联网为人们提供了丰富的信息资源，使人们可以随时随地通过互联网获取信息。但是面对如此繁多、质量参差不齐的信息资源，人们淹没在了信息的海洋中，难以找到自己感兴趣的信息资源，甚至使他们忘却或不能明确自己的真实需求[1]，导致了信息丰富但选择困难的两难境地，产生了“信息过载”问题[2.3]。如何帮助用户从庞大的信息资源中，快速、准确地找到自己所需的信息资源，成了当今信息技术研究中的一个重大挑战，也成了学术界研究的热点和难点。为此，先后提出了信息检索技术和信息过滤技术来解决该问题[4.5]。信息检索技术在一定程度上可以帮助用户找到自己所需要的信息，并得到了成功和广泛的应用。在日常生活中，常用的搜索工具有百度、雅虎、好搜、必应和谷歌等，都属于信息检索系统的范畴（6。但是随着信息量的急剧增长，信息过载问题越发严重，尤其是到了大数据时代，信息检索系统更加不能满足人们的需求，于是信息过滤技术应运而生（7。它根据用户提供的需求或兴趣偏好，对动态信息资源进行筛选，自动检索出符合用户需求或感兴趣的信息，并将其呈现给用户[8]。

个性化推荐系统（Personality Recommender System,PRS）作为信息过滤的一种重要方式，为解决“信息过载”问题提供了很好的解决方法，也是当前广泛应用的方法之一，被广大电子商务网站和个性化网站所采用[9]。个性化推荐系统与信息检索系统（以搜索引擎为代表）的主要区别如下：①PRS根据收集到的用户特征数据（如行为特征等），建立个性化的推荐模型，然后将符合用户偏好或需求的信息资源推荐给用户；而信息检索系统关注的重点是检索结果之间的客观关系和排序。②在信息检索系统中，用户是主导者，必须明确自己的需求，输入查询条件，系统返回匹配的信息资源，然后用户筛选返回的结果。如果返回的结果不符合用户的需求，则可以修改查询条件继续查询。而在个性化推荐系统中，系统根据收集的用户偏好特征，为用户推荐他们感兴趣的信息资源，是一种引导性的信息消费，同时用户可能并不知道推荐信息的存在，甚至不知道怎样才可以找到这样的信息资源。此外，个性化推荐系统具有一定的个性化和实时性，可以根据用户偏好特征的变化，调整其推荐策略，及时为用户提供最新的推荐列表。由于个性化推荐技术的特定优势，在各大网站得到了广泛应用，例如，在YouTube、土豆、优酷等视频网站中为用户推荐视频；在淘宝、京东、亚马逊等电商网站中为用户推荐喜欢的商品；网易、新浪、雅虎等新闻网站根据用户的浏览行为为用户推荐感兴趣的新闻等。这些成功应用的反作用又进一步促进了个性化推荐技术的发展，成了当今各大主流网站不可缺少的一种信息服务形式。相对于传统的信息门户时代，用户根据兴趣和爱好寻找所需信息资源所付出的代价非常高，同时信息的价值也一直被忽视。尤其到了大数……

本书共分为七章，主要内容包括支持向量机与个性化推荐相关研究分析；基于支持向量分类机的推荐方法；基于支持向量机分类再回归的推荐方法；基于平滑技术和核减少技术的对称支持向量机推荐方法等。