【摘要】：現(xiàn)實世界中存在各種各樣的復雜系統(tǒng),通常我們用復雜網(wǎng)絡來描述它們的結(jié)構(gòu)。在多子網(wǎng)復雜網(wǎng)絡模型中,子網(wǎng)之間存在一定關(guān)系,且每個子網(wǎng)有許多特別的拓撲性質(zhì),這些關(guān)系和性質(zhì)決定了復雜系統(tǒng)的功能。推薦系統(tǒng)是從海量信息中提取個性化信息的有效手段。本文針對多子網(wǎng)復雜網(wǎng)絡的一種,社交網(wǎng)絡,進行推薦算法的改進。通過對預測算法的改善和網(wǎng)絡結(jié)構(gòu)的挖掘,更精確的對用戶和商品之間的關(guān)系進行預測。推薦系統(tǒng)是現(xiàn)代社會處理數(shù)據(jù)和信息的重要方法,基于矩陣分解的推薦算法可以有效的提高推薦系統(tǒng)性能,但是它會受數(shù)據(jù)稀疏和冷啟動問題的困擾。將多元關(guān)系融入到矩陣分解模型中,可以增加信息量,在一定程度上解決數(shù)據(jù)稀疏和冷啟動的問題。基于此,本文從組間效應和多關(guān)系網(wǎng)絡兩個角度,將群組信息和多關(guān)系網(wǎng)絡信息融入推薦算法,提高了推薦系統(tǒng)的性能。我們將群組信息加入矩陣分解模型中,并將多關(guān)系網(wǎng)絡信息加入損失函數(shù)中,提出了一種融合多元關(guān)系的基于矩陣分解的推薦算法。為更快速準確地對評分矩陣進行分解,選擇嵌入Back-fitting的交替最小二乘算法求解隱特征,利用最小二乘法估計輔助網(wǎng)絡和目標網(wǎng)絡之間的回歸關(guān)系。本文利用YouTube社交網(wǎng)絡和Digg數(shù)據(jù)集進行算法性能的評價,在分析數(shù)據(jù)的拓撲結(jié)構(gòu)的基礎上,選擇利用用戶友鄰分位數(shù)進行YouTube數(shù)據(jù)集的群組劃分,Digg數(shù)據(jù)集上則選擇利用歷史投票記錄和友鄰分位數(shù)進行群組劃分。同時基于mv獨立性檢驗對負例進行采樣,解決這兩個社交網(wǎng)絡只有隱式反饋數(shù)據(jù)的問題。在YouTube數(shù)據(jù)集上與GSSVD、基于salton指標的推薦算法進行推薦性能的比較;在Digg數(shù)據(jù)集上與GSSVD、基于NBI的推薦算法進行比較。實驗表明,在top-K的標準下,本文提出的方法相較于其他基線算法,準確率、召回率和F1都更高,有良好的推薦效果。
【學位授予單位】：青島大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：C815

【相似文獻】

相關(guān)期刊論文 前10條

1 劉強;;推薦系統(tǒng)的商業(yè)價值[J];軟件和集成電路;2019年04期

2 劉天嘯;;大數(shù)據(jù)背景下新聞推薦系統(tǒng)中的問題以及解決對策[J];科技傳播;2019年13期

3 王月星;;國內(nèi)旅游推薦系統(tǒng)研究進展[J];商場現(xiàn)代化;2017年10期

4 常亮;曹玉婷;孫文平;張偉濤;陳君同;;旅游推薦系統(tǒng)研究綜述[J];計算機科學;2017年10期

5 王毅;;網(wǎng)絡推薦系統(tǒng)的三大挑戰(zhàn)——從用戶體驗出發(fā)[J];清華管理評論;2013年06期

6 王海明;;基于大數(shù)據(jù)下電子商務商品推薦系統(tǒng)的分析[J];環(huán)球市場信息導報;2017年27期

7 ;電商推薦系統(tǒng)進階[J];IT經(jīng)理世界;2013年11期

8 王霞;;電子商務推薦系統(tǒng)評述[J];福建電腦;2006年08期

9 傅孟如;姜素蘭;閔婭萍;;VAX—11/750機學生測評、推薦系統(tǒng)的設計與應用[J];計算技術(shù)與自動化;1989年03期

10 張佳威;;美團推薦系統(tǒng)實證系統(tǒng)[J];農(nóng)家參謀;2018年11期

相關(guān)會議論文 前10條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術(shù)年會論文集[C];2009年

2 高夢晨;;推薦系統(tǒng)用戶感知調(diào)研[A];工業(yè)設計研究（第六輯）[C];2018年

3 李成;胡文麗;;推薦系統(tǒng)體驗模型探索——以視頻推薦為例[A];工業(yè)設計研究（第六輯）[C];2018年

4 李成;馮青青;;推薦系統(tǒng)準確度衡量方案——引入權(quán)重概念[A];工業(yè)設計研究（第五輯）[C];2017年

5 李曼玉;李雪峰;;科學研究趨勢測度路徑探索——以推薦系統(tǒng)研究為例[A];第十四屆（2019）中國管理學年會論文集[C];2019年

6 王曉光;施玉海;尹亞光;;面向廣電的節(jié)目推薦系統(tǒng)研究[A];中國新聞技術(shù)工作者聯(lián)合會2017年學術(shù)年會論文集（學術(shù)論文篇）[C];2017年

7 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知識庫的互聯(lián)網(wǎng)商品信息分類與推薦系統(tǒng)[A];第29屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

8 湯娟梅;唐嶺;;個性化英語閱讀文章推薦系統(tǒng)的設計[A];計算機與教育：理論、實踐與創(chuàng)新——全國計算機輔助教育學會第十四屆學術(shù)年會論文集[C];2010年

9 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

10 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

相關(guān)重要報紙文章 前5條

1 記者 周源;知意圖發(fā)布推薦系統(tǒng)Etu Recommender[N];網(wǎng)絡世界;2012年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

3 本報記者 馮衛(wèi)東;網(wǎng)絡導購：找出你的最愛[N];科技日報;2007年

4 本報記者 邱燕娜;精準推薦 一客一市場[N];中國計算機報;2012年

5 張秋明;用數(shù)據(jù)是新技能[N];福州日報;2015年

相關(guān)博士學位論文 前10條

1 夏彬;基于位置信息社交網(wǎng)絡的推薦系統(tǒng)研究[D];南京理工大學;2018年

2 王夢晗;推薦系統(tǒng)中數(shù)據(jù)缺失問題的研究[D];浙江大學;2019年

3 張亮;網(wǎng)絡推薦系統(tǒng)中基于時間信息的新穎性研究[D];廈門大學;2017年

4 徐原博;推薦系統(tǒng)中面向評分和文本數(shù)據(jù)挖掘的若干關(guān)鍵技術(shù)研究[D];吉林大學;2019年

5 蔣偉;推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];電子科技大學;2018年

6 練建勛;基于多樣化內(nèi)容數(shù)據(jù)的個性化推薦系統(tǒng)[D];中國科學技術(shù)大學;2018年

7 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

8 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術(shù)大學;2007年

9 顏端武;面向知識服務的智能推薦系統(tǒng)研究[D];南京理工大學;2007年

10 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術(shù)大學;2014年

相關(guān)碩士學位論文 前10條

1 梁一敏;基于精彩評論的混合音樂推薦系統(tǒng)研究[D];云南財經(jīng)大學;2019年

2 叢大瑋;基于細粒度情感分析的推薦系統(tǒng)[D];哈爾濱工業(yè)大學;2019年

3 張大步;基于學習網(wǎng)絡表征的推薦系統(tǒng)實現(xiàn)及應用[D];哈爾濱工業(yè)大學;2019年

4 劉慧潔;基于深度學習融合模型的推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2018年

5 匡容;基于學生成績分析的學習推薦系統(tǒng)研究[D];廣東工業(yè)大學;2019年

6 董欣欣;基于供需交易主體畫像的養(yǎng)老服務推薦系統(tǒng)設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2018年

7 王廣仲;基于機器學習的安全領(lǐng)域?qū)＜彝扑]系統(tǒng)的研究[D];上海應用技術(shù)大學;2019年

8 權(quán)靜月;融合多元關(guān)系的推薦系統(tǒng)[D];青島大學;2019年

9 劉興姿;基于營養(yǎng)飲食推薦系統(tǒng)研究[D];西安電子科技大學;2019年

10 沈鵬;基于流計算平臺的推薦系統(tǒng)的設計與實現(xiàn)[D];南京郵電大學;2019年

，

本文編號：2613873