發(fā)布時間：2019-10-18 19:36

【摘要】：電子商務(wù)的持續(xù)盛行雖然給一些企業(yè)帶來了新的機(jī)遇,但隨著網(wǎng)站中各種物品、各類信息持續(xù)更新,總量與種類持續(xù)變大,用戶搜尋到真正想要的某些物品信息更為麻煩并且花費(fèi)時間,推薦系統(tǒng)為解決此問題提供了新的思路。推薦系統(tǒng)分析預(yù)測出用戶的興趣喜好并向其推薦物品,推薦算法優(yōu)劣對電商網(wǎng)站里的商家以及用戶都有直接的影響,而其中應(yīng)用較廣的協(xié)同過濾,是本文將要改進(jìn)的方法。本文的研究內(nèi)容如下:(1)對于協(xié)同過濾傳統(tǒng)方法中未能將用戶間更深入的關(guān)系進(jìn)行挖掘的問題,參考社交網(wǎng)站中的信任關(guān)系,將信任關(guān)系融入建立的方法里,并將信任分為個人可信度以及用戶間信任度。分析系統(tǒng)評分,利用信任建模計算用戶個人可信值以及與他人間的信任值。然后,篩選預(yù)測用戶評分時可參考的信任鄰居。(2)傳統(tǒng)相似度中,預(yù)測目標(biāo)項目評分時,目標(biāo)用戶及其鄰居被使用的相似度都是一樣的。但是現(xiàn)實中相同的兩個人對于不同的項目,其偏好程度并不會都一樣。因此將偏好因素融入傳統(tǒng)相似度,改進(jìn)相似度方法,并結(jié)合信任度篩選綜合關(guān)系的最近鄰,提高預(yù)測精度。(3)對于推薦新項目的問題,考慮用戶對多種項目屬性的偏好。綜合信任關(guān)系,參考鄰居對新項目屬性的偏好值,對新項目進(jìn)行評分值預(yù)測。本文通過將用戶信任和改進(jìn)相似度融合,減少稀疏性的負(fù)面影響。然后,依據(jù)用戶對項目屬性的偏好推薦新項目。最后用數(shù)據(jù)集Movielens計算多種算法的平均絕對誤差進(jìn)行對比,驗證方法的有效性。經(jīng)驗證,改進(jìn)的算法在數(shù)據(jù)稀疏以及冷啟動的條件下,較傳統(tǒng)方法有更高的準(zhǔn)確度。
【圖文】：

推薦系統(tǒng)結(jié)構(gòu)框架

基于內(nèi)容的推薦這種推薦技術(shù)是基于信息檢索技術(shù)的擴(kuò)展和延續(xù)，，所以應(yīng)用主要是在文本表
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付永平;邱玉輝;;一種基于貝葉斯網(wǎng)絡(luò)的個性化協(xié)同過濾推薦方法研究[J];計算機(jī)科學(xué);2016年09期

2 張玉連;郇思思;梁順攀;;融合機(jī)器學(xué)習(xí)的加權(quán)Slope One算法[J];小型微型計算機(jī)系統(tǒng);2016年08期

3 李又玲;常致全;楊浩;;多標(biāo)簽網(wǎng)頁的Gauss-PNN粗糙集排序推薦[J];計算機(jī)應(yīng)用研究;2017年02期

4 葛林濤;徐桂瓊;;基于模糊C均值聚類有效性的協(xié)同過濾算法[J];計算機(jī)技術(shù)與發(fā)展;2016年01期

5 龐俊濤;張暉;楊春明;李波;趙旭劍;;基于概率矩陣分解的多指標(biāo)協(xié)同過濾算法[J];山東大學(xué)學(xué)報(工學(xué)版);2016年03期

6 徐軍;鐘元生;朱文強(qiáng);;一種基于直覺模糊理論的多維信任傳遞模型[J];小型微型計算機(jī)系統(tǒng);2015年12期

7 韓軍輝;盧暾;丁向華;顧寧;;基于局部敏感哈希技術(shù)的能耗社區(qū)實時推薦系統(tǒng)[J];小型微型計算機(jī)系統(tǒng);2015年11期

8 冷亞軍;陸青;梁昌勇;;基于結(jié)構(gòu)相似性的協(xié)同過濾推薦算法[J];小型微型計算機(jī)系統(tǒng);2015年10期

9 于洪;李俊華;;一種解決新項目冷啟動問題的推薦算法[J];軟件學(xué)報;2015年06期

10 陳迪;周鳴爭;;基于灰色理論的無線傳感器網(wǎng)絡(luò)信任模型[J];計算機(jī)應(yīng)用;2015年06期

本文編號：2551241