本文關(guān)鍵詞： 推薦系統(tǒng) K-means算法 加權(quán)關(guān)聯(lián)規(guī)則 協(xié)同過(guò)濾算法　出處：《北京交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著電子商務(wù)的發(fā)展,電商網(wǎng)站的規(guī)模在不斷增大,網(wǎng)上商品的種類越來(lái)越多。推薦系統(tǒng)的出現(xiàn)可以幫助用戶在面對(duì)如此繁多的商品信息時(shí)做出選擇。但目前推薦算法依然在發(fā)展中,其精確性還不能滿足人們的需求,所以有很多關(guān)于此方面的研究。如何根據(jù)用戶的特定喜好進(jìn)行更準(zhǔn)確、更便捷的推薦服務(wù)成為了越來(lái)越多專家學(xué)者致力研究的內(nèi)容。關(guān)聯(lián)規(guī)則和協(xié)同過(guò)濾是兩種重要的推薦算法。但是由于事物數(shù)據(jù)庫(kù)中項(xiàng)目分布的不均勻性以及協(xié)同過(guò)濾算法中的數(shù)據(jù)稀疏性造成的冷啟動(dòng)問(wèn)題,這些算法的精確性還有待提高。本文針對(duì)這些問(wèn)題,對(duì)關(guān)聯(lián)規(guī)則和協(xié)同過(guò)濾算法提出了改進(jìn),并將改進(jìn)后的算法應(yīng)用在個(gè)性化web商城推薦系統(tǒng)中。論文的研究工作得到了國(guó)家自然科學(xué)基金項(xiàng)目(No.61172072、61271308)、北京市自然科學(xué)基金項(xiàng)目(No.4112045)和高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(No.20100009110002)的支持。本論文的主要研究工作包括:(1)根據(jù)Apriori算法及Partition算法的問(wèn)題,改進(jìn)了關(guān)聯(lián)規(guī)則。針對(duì)事物數(shù)據(jù)庫(kù)中具有強(qiáng)規(guī)律性的項(xiàng)目,設(shè)計(jì)了一種權(quán)重公式給予其相應(yīng)加權(quán),以此來(lái)提高事務(wù)數(shù)據(jù)庫(kù)中具有穩(wěn)定時(shí)間間隔規(guī)律項(xiàng)的支持度;(2)為了解決協(xié)同過(guò)濾算法中的數(shù)據(jù)稀疏性問(wèn)題,本文根據(jù)后臺(tái)數(shù)據(jù)庫(kù)中的數(shù)據(jù)記錄,獲取其中的隱式信息,并結(jié)合MapReduce技術(shù)將其應(yīng)用在個(gè)性化推薦系統(tǒng)中來(lái)優(yōu)化稀疏矩陣;(3)為了尋找用戶的鄰居集合,本文提出了一種基于二進(jìn)制循環(huán)指數(shù)的多重K-means協(xié)同過(guò)濾算法來(lái)發(fā)掘目標(biāo)用戶的最近鄰居集合并為其進(jìn)行商品推薦服務(wù)。將提出的算法應(yīng)用在web商城推薦系統(tǒng)中,在個(gè)性化的推薦系統(tǒng)中優(yōu)化根據(jù)用戶個(gè)人喜好的推薦以及根據(jù)最近鄰居集合預(yù)測(cè)目標(biāo)用戶感興趣項(xiàng)的推薦模式;(4)將改進(jìn)的加權(quán)關(guān)聯(lián)規(guī)則和優(yōu)化的協(xié)同過(guò)濾算法進(jìn)行有機(jī)的結(jié)合,本文設(shè)計(jì)出了一個(gè)推薦系統(tǒng)原型,并通過(guò)實(shí)驗(yàn)對(duì)此系統(tǒng)的性能效果進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明:改進(jìn)后的關(guān)聯(lián)規(guī)在精確度上得到了提高;采用MapReduce技術(shù)挖掘用戶隱式信息可以彌補(bǔ)web商城單一使用用戶的顯示信息造成的缺陷;改進(jìn)的協(xié)同過(guò)濾算法在發(fā)掘最近鄰居的效率及精確度上得到了提高;融合上述兩種算法的推薦系統(tǒng)的性能得到了優(yōu)化。
[Abstract]:With the development of electronic commerce, the scale of e-commerce website is increasing. There are more and more kinds of goods on the Internet. The appearance of recommendation system can help users to make choices in the face of so many commodity information. However, the recommendation algorithm is still in the process of development. Its accuracy can not meet the needs of people, so there is a lot of research on this aspect. How to carry out more accurate according to the specific preferences of users. More and more experts and scholars devote themselves to the research of more and more convenient recommendation services. Association rules and collaborative filtering are two important recommendation algorithms. However, because of the uneven distribution of items in the transaction database and collaboration. Cold start problem caused by data sparsity in filtering algorithm. The accuracy of these algorithms still needs to be improved. Aiming at these problems, this paper proposes some improvements on association rules and collaborative filtering algorithms. And the improved algorithm is applied to the personalized web mall recommendation system. The research work of this paper has been obtained by the National Natural Science Foundation Project No. 61172072 / 61271308). Beijing Natural Science Foundation Project No. 4112045) and the Special Research Foundation for doctoral subject points in institutions of higher Learning No. 20100009110002). The main research work of this thesis includes the problem of Apriori algorithm and Partition algorithm. The association rules are improved. For the items with strong regularity in the transaction database, a weight formula is designed to give the corresponding weights, so as to improve the support degree of the items with stable time interval in the transaction database. In order to solve the problem of data sparsity in the collaborative filtering algorithm, the implicit information is obtained according to the data records in the background database. The sparse matrix is optimized by using MapReduce technology in personalized recommendation system. In order to find a set of neighbors of the user. In this paper, a binary cyclic exponent based multifold K-means collaborative filtering algorithm is proposed to discover the nearest neighbor set of the target user and to recommend goods for the target user. The proposed algorithm is applied to web. In the Mall recommendation system. In the personalized recommendation system, we optimize the recommendation mode based on the user's personal preferences and the nearest neighbor set to predict the items of interest to the target user. 4) combining the improved weighted association rules with the optimized collaborative filtering algorithm, a prototype of the recommendation system is designed in this paper. The performance of the system is analyzed by experiments. The experimental results show that the precision of the improved correlation gauge is improved. Using MapReduce technology to mine the implicit information of users can make up for the defects caused by the single use of user's display information in web Mall. The improved collaborative filtering algorithm improves the efficiency and accuracy of finding the nearest neighbor. The performance of the recommendation system which combines the above two algorithms is optimized.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李曉瑛;夏光輝;李丹亞;;主題標(biāo)引文獻(xiàn)的語(yǔ)義關(guān)系發(fā)現(xiàn)研究[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2016年Z1期

2 趙志剛;萬(wàn)軍;王芳;;一種基于向量的概率加權(quán)關(guān)聯(lián)規(guī)則挖掘算法[J];計(jì)算機(jī)工程與科學(xué);2014年02期

3 卞藝杰;陳超;馬玲玲;陳遠(yuǎn)磊;;一種改進(jìn)的LSH/MinHash協(xié)同過(guò)濾算法[J];計(jì)算機(jī)與現(xiàn)代化;2013年12期

4 吳湖;王永吉;王哲;王秀利;杜栓柱;;兩階段聯(lián)合聚類協(xié)同過(guò)濾算法[J];軟件學(xué)報(bào);2010年05期

5 程舒通;徐從富;;關(guān)聯(lián)規(guī)則挖掘技術(shù)研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2009年09期

6 張國(guó)萍;黃美鳳;;一個(gè)使用JavaBeans實(shí)現(xiàn)訪問(wèn)計(jì)數(shù)器的JSP應(yīng)用[J];科技廣場(chǎng);2009年05期

7 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2007年10期

8 劉立軍;周軍;梅紅巖;;Web使用挖掘的數(shù)據(jù)預(yù)處理[J];計(jì)算機(jī)科學(xué);2007年05期

9 鄒力濵;張其善;;基于多最小支持度的加權(quán)關(guān)聯(lián)規(guī)則挖掘算法[J];北京航空航天大學(xué)學(xué)報(bào);2007年05期

10 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2007年02期

相關(guān)博士學(xué)位論文 前2條

1 劉樹(shù)棟;基于位置的移動(dòng)社會(huì)化網(wǎng)絡(luò)推薦技術(shù)研究[D];北京郵電大學(xué);2015年

2 劉青文;基于協(xié)同過(guò)濾的推薦算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前5條

1 張淼;基于位置社交網(wǎng)絡(luò)的興趣點(diǎn)推薦方法研究[D];西南大學(xué);2015年

2 孫浩楠;左邊還是右邊?電商網(wǎng)站個(gè)性化推薦位置研究[D];大連理工大學(xué);2015年

3 李楊曦;基于圖模型的視頻推薦算法研究及實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 成軍;面向電子商務(wù)的協(xié)同過(guò)濾推薦算法與推薦系統(tǒng)研究[D];南京理工大學(xué);2013年

5 王林林;基于Web日志的個(gè)性化推薦系統(tǒng)的研究[D];山東大學(xué);2012年

，

本文編號(hào)：1468494