本文關(guān)鍵詞： 推薦系統(tǒng) 協(xié)同過濾算法 時間感知 社交網(wǎng)絡(luò)　出處：《南京信息工程大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著互聯(lián)網(wǎng)的迅速發(fā)展,推薦系統(tǒng)已經(jīng)廣泛地應(yīng)用在電影、音樂以及電子商務(wù)網(wǎng)站等眾多領(lǐng)域中。協(xié)同過濾算法是推薦系統(tǒng)中最為流行的技術(shù),在互聯(lián)網(wǎng)的眾多領(lǐng)域發(fā)揮著核心作用。它能夠根據(jù)用戶的歷史評分數(shù)據(jù)搜索相似的用戶或物品,然后進行評分預(yù)測。盡管協(xié)同過濾算法已被成功地應(yīng)用到眾多的電子商務(wù)推薦系統(tǒng)中,但仍然面臨著諸如數(shù)據(jù)稀疏性、冷啟動以及用戶興趣變化等問題。如何有效的解決這些問題已經(jīng)成為一個重要的研究課題。同時,目前各種社交網(wǎng)絡(luò)平臺紛紛涌現(xiàn)并日益滲透到人們的日常生活中,尤其影響著人們在電子商務(wù)系統(tǒng)上選擇和購買物品的行為。從社交網(wǎng)絡(luò)這個全新的角度來重新考察現(xiàn)有的產(chǎn)品推薦系統(tǒng)是非常有意義的。針對以上重要問題,本文主要進行了以下幾個方面的研究。第一,基于時間感知的協(xié)同過濾算法研究�，F(xiàn)如今,推薦系統(tǒng)呈現(xiàn)動態(tài)化趨勢,用戶偏好隨時間發(fā)生改變,所以本文將時間信息融合到協(xié)同過濾算法中。同時,傳統(tǒng)的協(xié)同過濾算法在計算用戶間相似度時沒有考慮到不同目標物品的影響,導(dǎo)致一個用戶對于所有的目標物品的近鄰用戶是完全相同的。本文在解決一個目標用戶對于不同的目標物品應(yīng)該具有不同的近鄰這一問題的同時結(jié)合時間感知提出了一個新的相似度計算公式。通過一系列的實驗證明,改進的算法在精度、召回率、MAE以及覆蓋度這幾個方面優(yōu)于傳統(tǒng)的協(xié)同過濾算法。第二,基于社交網(wǎng)絡(luò)信任度的協(xié)同過濾算法研究。針對傳統(tǒng)協(xié)同過濾算法面臨的冷啟動問題,提出一種新的融合社交網(wǎng)路信任度的協(xié)同過濾算法。首先利用用戶社交網(wǎng)絡(luò)信息建模,然后結(jié)合用戶信任度以及偏好來進行評分預(yù)測。最后通過兩種不同方式的實驗驗證,相比于傳統(tǒng)的協(xié)同過濾算法,該算法不僅提高了推薦的準確度,還能夠有效地緩解數(shù)據(jù)稀疏性以及冷啟動問題。
[Abstract]:With the rapid development of Internet, recommendation system has been widely used in many fields, such as movies, music and e-commerce websites. Collaborative filtering algorithm is the most popular technology in recommendation system. It plays a central role in many areas of the Internet. It can search for similar users or items based on users' historical scoring data. Although collaborative filtering algorithm has been successfully applied to many e-commerce recommendation systems, it still faces data sparsity. How to solve these problems effectively has become an important research topic. At the same time. At present, a variety of social networking platforms have emerged and increasingly penetrated into people's daily life. In particular, it affects the behavior of people to choose and purchase items in electronic commerce system. It is very meaningful to re-examine the existing product recommendation system from the new perspective of social network. This paper mainly studies the following aspects. First, the collaborative filtering algorithm based on time perception. Nowadays, recommendation system presents a dynamic trend, user preferences change with time. Therefore, the time information is fused into the collaborative filtering algorithm. At the same time, the traditional collaborative filtering algorithm does not take into account the influence of different target items when calculating the similarity between users. This paper solves the problem that a target user should have different nearest neighbors for different target items at the same time combined with time perception. A new formula for calculating similarity is given, which is proved by a series of experiments. The improved algorithm is superior to the traditional collaborative filtering algorithm in precision, recall rate and coverage. The research of collaborative filtering algorithm based on trust degree of social network. Aiming at the cold start problem of traditional collaborative filtering algorithm. In this paper, a new collaborative filtering algorithm based on trust degree of social network is proposed. Firstly, user social network information is used to model the model. Finally, through two different ways of experimental verification, compared with the traditional collaborative filtering algorithm, this algorithm not only improves the accuracy of recommendation. It can also effectively alleviate the data sparsity and cold start problem.
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

6 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過濾推薦方法[J];計算機工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡(luò)教學(xué)平臺研究[J];科技風(fēng);2012年06期

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 紀科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠;基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機研究[D];上海交通大學(xué);2011年

7 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學(xué);2012年

8 高e，

本文編號：1453518