發(fā)布時(shí)間：2020-01-24 09:31

【摘要】：隨著信息技術(shù)的迅速發(fā)展以及互聯(lián)網(wǎng)的高度普及，互聯(lián)網(wǎng)已經(jīng)成為人們生活中不可或缺的重要組成部分。作為一種新型的商務(wù)模式，電子商務(wù)正改變著人們的生活習(xí)慣。隨著電子商務(wù)網(wǎng)站規(guī)模的不斷擴(kuò)大，如何在海量信息中幫助用戶快速且準(zhǔn)確地找到感興趣的服務(wù)和物品，已經(jīng)成為當(dāng)今的一個(gè)熱門(mén)研究方向。在這種背景下，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。 個(gè)性化推薦系統(tǒng)通過(guò)運(yùn)用統(tǒng)計(jì)分析和數(shù)據(jù)挖掘等技術(shù)，利用用戶歷史的互聯(lián)網(wǎng)行為記錄挖掘出用戶潛在的興趣特征以及當(dāng)前的需求，最終向用戶推薦其可能感興趣的服務(wù)和物品。 基于協(xié)同過(guò)濾的推薦技術(shù)是目前個(gè)性化推薦領(lǐng)域的研究熱點(diǎn)。該技術(shù)根據(jù)用戶顯式或隱式的評(píng)分記錄，選擇合適的相似性度量方法來(lái)計(jì)算用戶或物品的相似度，選取相似度較高的用戶（或物品）來(lái)構(gòu)建用戶（或物品）最近鄰集，最后將最近鄰集中的用戶喜歡的且目標(biāo)用戶沒(méi)有購(gòu)買的物品推薦給目標(biāo)用戶。因此，最近鄰集的構(gòu)建直接關(guān)系到推薦結(jié)果的準(zhǔn)確度。本文經(jīng)過(guò)深入研究傳統(tǒng)的協(xié)同過(guò)濾推薦技術(shù)存在的問(wèn)題，提出了兩種改進(jìn)的算法。 本文的主要工作有以下幾個(gè)方面： (1)深入分析傳統(tǒng)相似性度量方法存在的不足，，并且對(duì)云模型理論進(jìn)行了深入研究，引入了云模型的思想，采用了結(jié)合云模型的相似性度量方法。 (2)提出了結(jié)合云模型和項(xiàng)目評(píng)分預(yù)測(cè)的推薦算法，這種改進(jìn)的算法對(duì)解決評(píng)分矩陣極端稀疏性問(wèn)題有較好的效果，并且可以克服傳統(tǒng)的相似性度量方法存在的缺陷，從而導(dǎo)致推薦的準(zhǔn)確度有明顯的提高。通過(guò)在公開(kāi)的數(shù)據(jù)集MovieLens上進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了改進(jìn)算法的優(yōu)勢(shì)。 (3)提出了結(jié)合用戶鄰域模型與矩陣分解的推薦算法，該算法通過(guò)構(gòu)建用戶檔案的鄰域模型以提高對(duì)新用戶推薦的準(zhǔn)確性，利用隨機(jī)梯度下降法對(duì)評(píng)分矩陣進(jìn)行奇異值分解，可以有效地解決評(píng)分矩陣稀疏性的問(wèn)題。通過(guò)在MovieLens數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了該算法的有效性。
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 靳華中;;基于云模型的聚類特性分析[J];湖北農(nóng)機(jī)化;2011年02期

2 李聰;梁昌勇;董珂;;基于項(xiàng)目類別相似性的協(xié)同過(guò)濾推薦算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

3 余力,劉魯;電子商務(wù)個(gè)性化推薦研究[J];計(jì)算機(jī)集成制造系統(tǒng);2004年10期

4 吳一帆;王浩然;;結(jié)合用戶背景信息的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)應(yīng)用;2008年11期

5 孟憲福;陳莉;;基于貝葉斯理論的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)應(yīng)用;2009年10期

6 孫小華;陳洪;孔繁勝;;在協(xié)同過(guò)濾中結(jié)合奇異值分解與最近鄰方法[J];計(jì)算機(jī)應(yīng)用研究;2006年09期

7 曾春,邢春曉,周立柱;個(gè)性化服務(wù)技術(shù)綜述[J];軟件學(xué)報(bào);2002年10期

8 鄧愛(ài)林,朱揚(yáng)勇,施伯樂(lè);基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2003年09期

9 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

10 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[J];系統(tǒng)仿真學(xué)報(bào);2006年S2期

本文編號(hào)：2572625