导读:本文包含了协作过滤技术论文开题报告文献综述及选题提纲参考文献，主要关键词:效用图,多议题协商,协作过滤,双向聚类
协作过滤技术论文文献综述
王黎明,李琨[1]（2010）在《基于Nearest-Biclusters协作过滤技术的效用图结构学习算法》一文中研究指出在多议题协商研究中,议题之间的依赖关系增加了协商Agent效用函数的复杂性,从而使得多议题协商变得更加困难.基于效用图的多议题依赖协商模型是体现议题间依赖关系的多议题协商模型.在该协商模型中,协商双方仅需要较少的协商步数就能够找到满足Pareto效率的协商结局.如何有效地学习买方Agent的效用图结构是该协商模型的关键.文中基于Nearest-Biclusters协作过滤技术的思想提出了一种新的效用图结构学习算法(NBCFL算法).该算法首先利用Nearest-Biclusters协作过滤技术发现买方偏好的局部匹配特性,提取与当前买方Agent类型相同的买方Agent所产生的协商历史记录,然后通过计算各议题间的依赖度学习买方Agent的效用图结构.实验表明在参与协商的买方Agent类型不同的条件下,NBCFL算法比IBCFL算法能更好地学习买方Agent的效用图结构.(本文来源于《计算机学报》期刊2010年12期）
潘蓝兰[2]（2009）在《协作式垃圾邮件过滤技术研究》一文中研究指出互联网已经深入人们的工作和生活的各个方面,电子邮件是互联网上最普及的通信应用之一,为人们提供了极大的便利。然而与此同时,垃圾邮件的问题也十分严重。垃圾邮件发送者通过搜索网页、USENET公告等方式收集互联网上可用的电子邮件地址,并向这些邮件地址投递大量垃圾邮件。垃圾邮件浪费了大量的网络资源,给用户带来了很大的困扰,因此亟需研究有效的反垃圾邮件技术。当前存在多种反垃圾邮件技术,例如基于源地址的过滤方案、启发式规则过滤方案、基于统计学习的过滤方案、协作式过滤方案,等等。其中,协作式过滤方案的做法是组建用户群组,群组用户之间相互共享垃圾邮件信息,并根据共享的信息进行邮件判决。相对于以上其他过滤方案而言,协作式过滤方案能够充分利用网络中用户己知的各种垃圾邮件信息,迅速适应垃圾邮件的特征变化,更快识别出新型垃圾邮件,在防止邮件误判方面有较大的优势。因此,协作式过滤方案是目前的反垃圾邮件技术研究的重点,论文主要对此展开研究。协作式过滤方案需要构建有效的信息共享网络,以支持垃圾邮件信息的快速查找和定位,并且尽量减小群组用户之间的网络距离,以降低信息共享的通信开销。为此,论文第四章在现有基于P2P的协作式过滤方案的基础上,提出了一种基于层次型结构化P2P的协作式过滤系统―― CSFHSP (CollaborativeSpam Filter System Based On Hierarchical Structured P2P)。CSFHSP根据邮件地址构建层次型P2P的垃圾邮件过滤信息共享网络,节点标识符与邮件地址充分耦合。在CSFHSP中,不同类型的邮件特征集以标签进行标识,用户基于自身兴趣选择不同标签的邮件特征集进行共享,系统根据邮件特征集进行垃圾邮件过滤。仿真结果表明与已有的投票型协作过滤方案相比, CSFHSP减少了查询流量,提高了用户共享团体聚类的精度,具有良好的可扩展性。为了选取合适的共享用户进行协同过滤并且有效提高过滤信息的共享精度,论文第五章提出了一种基于兴趣相似度的协作式规则共享方案。该方案根据兴趣相似度选取共享用户,基于规则标签进行垃圾邮件过滤规则集的共享。仿真结果表明该方案比已有的邮件MD5值共享过滤方案误判率(false-positive)更低,过滤精度更高,并且方案只需要选择少量的用户进行信息共享,从而减少了系统通信量。(本文来源于《中国科学技术大学》期刊2009-04-01）
陈永平,苏新,毛万胜[3]（2008）在《基于兴趣度的协作过滤技术研究》一文中研究指出随着互联网上的信息的迅速增长,协作过滤技术得到越来越广泛的应用。结合了显式和隐式计算兴趣度的方法,提出了一种新的计算用户兴趣度的方法。并在此基础上论述了基于兴趣度的协作过滤技术。该方法通过寻找相似用户群体,由相似用户群体来预测用户对某一WEB事务的喜好,并给出了相应的实现算法。实验结果表明,该方法能提供较好的协作推荐服务。(本文来源于《计算机技术与发展》期刊2008年01期）
陈永平,王浩[4]（2007）在《WEB个性化服务中的协作过滤技术的研究》一文中研究指出了解用户兴趣是实现WEB个性化服务的基础。本文提出一种新的用户兴趣度计算方法,并在此基础上实现基于兴趣度的协作过滤。该方法通过寻找相似用户群体,由相似用户群体来预测用户对某一WEB文档的喜好,并进行推荐,从而实现WEB个性服务。实验结果表明,该方法能提供较好的WEB个性化服务。(本文来源于《福建电脑》期刊2007年08期）
周峰,姜艺[5]（2007）在《基于聚类的优化协作过滤技术》一文中研究指出基于内存的协作过滤算法主要利用用户对某站点项目的评分,计算2个用户之间的相似性,但该方法可扩展性差.基于模型的协作过滤算法通过训练数据预先计算出预测模型,弥补了上述方法的不足,但该模型没有考虑到个体的差异而限制了推荐的性能.在总结现有2种算法特点的基础上,提出一种新颖的协作过滤框架,它先从训练集中产生聚类,并以此为基础进行邻居预选择,再在预选择的邻居集合上使用基于内存的协作过滤算法.实验结果表明,该方法不仅提高了计算的效率,而且也提高了推荐的质量.(本文来源于《扬州大学学报(自然科学版)》期刊2007年01期）
协作过滤技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
互联网已经深入人们的工作和生活的各个方面,电子邮件是互联网上最普及的通信应用之一,为人们提供了极大的便利。然而与此同时,垃圾邮件的问题也十分严重。垃圾邮件发送者通过搜索网页、USENET公告等方式收集互联网上可用的电子邮件地址,并向这些邮件地址投递大量垃圾邮件。垃圾邮件浪费了大量的网络资源,给用户带来了很大的困扰,因此亟需研究有效的反垃圾邮件技术。当前存在多种反垃圾邮件技术,例如基于源地址的过滤方案、启发式规则过滤方案、基于统计学习的过滤方案、协作式过滤方案,等等。其中,协作式过滤方案的做法是组建用户群组,群组用户之间相互共享垃圾邮件信息,并根据共享的信息进行邮件判决。相对于以上其他过滤方案而言,协作式过滤方案能够充分利用网络中用户己知的各种垃圾邮件信息,迅速适应垃圾邮件的特征变化,更快识别出新型垃圾邮件,在防止邮件误判方面有较大的优势。因此,协作式过滤方案是目前的反垃圾邮件技术研究的重点,论文主要对此展开研究。协作式过滤方案需要构建有效的信息共享网络,以支持垃圾邮件信息的快速查找和定位,并且尽量减小群组用户之间的网络距离,以降低信息共享的通信开销。为此,论文第四章在现有基于P2P的协作式过滤方案的基础上,提出了一种基于层次型结构化P2P的协作式过滤系统―― CSFHSP (CollaborativeSpam Filter System Based On Hierarchical Structured P2P)。CSFHSP根据邮件地址构建层次型P2P的垃圾邮件过滤信息共享网络,节点标识符与邮件地址充分耦合。在CSFHSP中,不同类型的邮件特征集以标签进行标识,用户基于自身兴趣选择不同标签的邮件特征集进行共享,系统根据邮件特征集进行垃圾邮件过滤。仿真结果表明与已有的投票型协作过滤方案相比, CSFHSP减少了查询流量,提高了用户共享团体聚类的精度,具有良好的可扩展性。为了选取合适的共享用户进行协同过滤并且有效提高过滤信息的共享精度,论文第五章提出了一种基于兴趣相似度的协作式规则共享方案。该方案根据兴趣相似度选取共享用户,基于规则标签进行垃圾邮件过滤规则集的共享。仿真结果表明该方案比已有的邮件MD5值共享过滤方案误判率(false-positive)更低,过滤精度更高,并且方案只需要选择少量的用户进行信息共享,从而减少了系统通信量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
协作过滤技术论文参考文献
[1].王黎明,李琨.基于Nearest-Biclusters协作过滤技术的效用图结构学习算法[J].计算机学报.2010
[2].潘蓝兰.协作式垃圾邮件过滤技术研究[D].中国科学技术大学.2009
[3].陈永平,苏新,毛万胜.基于兴趣度的协作过滤技术研究[J].计算机技术与发展.2008
[4].陈永平,王浩.WEB个性化服务中的协作过滤技术的研究[J].福建电脑.2007
[5].周峰,姜艺.基于聚类的优化协作过滤技术[J].扬州大学学报(自然科学版).2007