本文選題：協(xié)同過(guò)濾　切入點(diǎn)：遺忘函數(shù)　出處：《浙江工業(yè)大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著網(wǎng)絡(luò)的發(fā)展,在音樂(lè)、購(gòu)物、閱讀、電影等方面,我們更加依賴網(wǎng)絡(luò)帶來(lái)的便利。隨著用戶數(shù)目的增加、新興產(chǎn)品的出現(xiàn),導(dǎo)致了系統(tǒng)所需存儲(chǔ)的數(shù)據(jù)量日益增加。在“數(shù)據(jù)過(guò)載”時(shí)代,如果能夠從大量數(shù)據(jù)中獲取有價(jià)值的信息,那么就能為用戶提供更好的服務(wù)。因此在電子商務(wù)、社交網(wǎng)絡(luò)、視頻網(wǎng)站等平臺(tái)上,個(gè)性化推薦技術(shù)的應(yīng)用受到了很多關(guān)注。目前應(yīng)用最為廣泛的個(gè)性化推薦技術(shù)是協(xié)同過(guò)濾推薦技術(shù)。協(xié)同過(guò)濾推薦是通過(guò)分析用戶的歷史行為記錄得到用戶可能感興趣的商品,從而為用戶進(jìn)行的推薦�？紤]到用戶的興趣存在改變現(xiàn)象,而目前關(guān)于興趣遷移的協(xié)同過(guò)濾推薦都無(wú)法根據(jù)用戶的實(shí)際遺忘過(guò)程對(duì)項(xiàng)目賦予合適的權(quán)重,因此推薦也就不準(zhǔn)確。本文采用將艾賓浩斯遺忘曲線擬合后得到的非線性遺忘函數(shù)來(lái)描述用戶的興趣遷移,對(duì)此提出基于遺忘函數(shù)和用戶的協(xié)同過(guò)濾推薦改進(jìn)算法,即在計(jì)算相似度時(shí),加入遺忘函數(shù)因子來(lái)體現(xiàn)用戶興趣的變化。采用改進(jìn)算法在電影數(shù)據(jù)集MovieLens和EachMovie中分別進(jìn)行實(shí)驗(yàn)及評(píng)估,實(shí)驗(yàn)結(jié)果表明本文提出的改進(jìn)算法在兩個(gè)不同的電影相關(guān)數(shù)據(jù)集中均能提高推薦準(zhǔn)確性。因此,采用擬合遺忘曲線后的遺忘函數(shù)描述用戶興趣遷移可以為視頻網(wǎng)站的影片推薦提供可參考的改進(jìn)方向。
[Abstract]:With the development of the Internet, in music, shopping, reading, movies etc, we rely more on the convenience brought by the Internet. With the number of users increases, new products, led to the required amount of data storage is increasing. In the "data overload" era, if we can obtain valuable information from large amounts of data so, can provide better service for users. So in the e-commerce, social networking, video website platform, the application of personalized recommendation technology has attracted much attention. The most widely used is the personalized recommendation technology collaborative filtering technology. Collaborative filtering recommendation is to get the user may be interested in goods through history the behavior analysis of users, and for users to recommend. Taking into account the user interest change phenomenon, and the current interest of collaborative filtering recommendation migration to root According to the user's actual process of forgetting to project to give the appropriate weight, therefore recommended is not accurate. This paper applies nonlinear Ebbinghaus forgetting curve fitting the forgetting function to describe the interest migration users, puts forward the forgetting function and user collaborative filtering recommendation algorithm based on the similarity calculation, namely, change add to forget function factor to reflect the user's interest. The improved algorithm experiments and evaluation of MovieLens and EachMovie in the movie data set, the experimental results show that the improved algorithm proposed in this paper focuses on two different film related data can improve the recommendation accuracy. Therefore, by fitting the forgetting curve after forgetting function description of user interest migration recommendation can provide reference for the improvement direction of the video site video.

【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

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(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)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(guò)濾的智能導(dǎo)購(gòu)系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

4 張富國(guó);;用戶多興趣下基于信任的協(xié)同過(guò)濾算法研究[J];小型微型計(jì)算機(jī)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(píng)分矩陣的協(xié)同過(guò)濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

6 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過(guò)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(guò)濾推薦方法[J];計(jì)算機(jī)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(guò)濾策略改進(jìn)研究[J];計(jì)算機(jī)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(guò)濾算法[J];微計(jì)算機(jī)信息;2011年11期

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

相關(guān)會(huì)議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過(guò)濾算法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過(guò)濾算法研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(guò)濾推薦算法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(guò)濾推薦算法[A];2008'中國(guó)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(dòng)問(wèn)題的方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)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(guò)濾推薦算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(jì)科;融合上下文信息的混合協(xié)同過(guò)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(guò)濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2015年

3 于程遠(yuǎn);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(guò)濾瓶頸問(wèn)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(guò)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(guò)濾視角的受限玻爾茲曼機(jī)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(guò)濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

8 高e，

本文編號(hào)：1598070