發(fā)布時(shí)間：2020-03-22 10:06

【摘要】：隨著互聯(lián)網(wǎng)的迅速普及和電子商務(wù)的快速發(fā)展,全球數(shù)據(jù)量增勢(shì)迅猛,人們從以前信息來(lái)源不足的時(shí)代進(jìn)入到了信息過(guò)載的時(shí)代。為了解決信息過(guò)載造成的信息冗余問(wèn)題,個(gè)性化推薦系統(tǒng)適應(yīng)于時(shí)代需求而產(chǎn)生,它的出現(xiàn)在緩解問(wèn)題的同時(shí),也提高了用戶(hù)對(duì)推薦系統(tǒng)服務(wù)的滿(mǎn)意度,個(gè)性化推薦系統(tǒng)與推薦算法現(xiàn)已成為研究的熱點(diǎn)和應(yīng)用的難點(diǎn)。傳統(tǒng)的協(xié)同過(guò)濾推薦算法通常從用戶(hù)對(duì)項(xiàng)目的歷史行為數(shù)據(jù)中發(fā)掘用戶(hù)的偏好,從而根據(jù)用戶(hù)的不同偏好,對(duì)用戶(hù)進(jìn)行群組劃分,并向目標(biāo)用戶(hù)推薦與其喜好相似的物品(或項(xiàng)目)。然而,隨著電子商務(wù)系統(tǒng)中用戶(hù)數(shù)和項(xiàng)目數(shù)的不斷增加,數(shù)據(jù)稀疏性和推薦準(zhǔn)確率不高等問(wèn)題逐漸成為制約協(xié)同過(guò)濾推薦算法發(fā)展的關(guān)鍵因素。針對(duì)上述問(wèn)題,本文提出基于改進(jìn)聚類(lèi)和矩陣分解的協(xié)同過(guò)濾推薦算法。該算法首先通過(guò)矩陣分解實(shí)現(xiàn)對(duì)原始數(shù)據(jù)的降維及其缺失數(shù)據(jù)的填充,并引入時(shí)間衰減函數(shù)對(duì)用戶(hù)評(píng)分進(jìn)行預(yù)處理,使用用戶(hù)的興趣向量來(lái)表征用戶(hù),用項(xiàng)目的屬性向量來(lái)表征項(xiàng)目,在此基礎(chǔ)上通過(guò)K-means聚類(lèi)算法對(duì)用戶(hù)和項(xiàng)目分別進(jìn)行聚類(lèi);然后使用改進(jìn)相似性度量方法在簇中查找用戶(hù)的最近鄰和項(xiàng)目推薦候選集,從而為用戶(hù)產(chǎn)生推薦。實(shí)驗(yàn)結(jié)果表明,該算法不僅可以有效解決數(shù)據(jù)稀疏和新項(xiàng)目的出現(xiàn)帶來(lái)的冷啟動(dòng)問(wèn)題,而且可以在多維度下反映用戶(hù)的興趣變化,推薦的準(zhǔn)確性也得到了提升。
【圖文】：

圖 1.1 網(wǎng)站中的簡(jiǎn)易推薦模型Figure 1.1 Easy recommendation model in the website推薦系統(tǒng)首先從有限的網(wǎng)絡(luò)信息資源中發(fā)現(xiàn)目標(biāo)用戶(hù)的興趣和偏好，然后產(chǎn)生或者商品）信息，，最后向目標(biāo)用戶(hù)提供個(gè)性化推薦[7]。推薦系統(tǒng)作為一種能有過(guò)載問(wèn)題的信息過(guò)濾手段[8]，該系統(tǒng)自 20 世紀(jì) 90 年代一經(jīng)提出就備受?chē)?guó)內(nèi)外。1992 年研發(fā)的 Tapestry 郵件過(guò)濾系統(tǒng)[9]被認(rèn)為是最早提出的協(xié)同過(guò)濾推薦系是基于顯式反饋（用戶(hù)評(píng)分為主）的思想，其主要目的是盡可能地產(chǎn)生有限的

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文表 1.1 推薦系統(tǒng)的應(yīng)用實(shí)例Table1.1 Application examples of recommended systems推薦系統(tǒng)應(yīng)用領(lǐng)域 推薦系統(tǒng)電子商務(wù) 亞馬遜、淘寶電影和視頻 Netflix、YouTube音樂(lè) 豆瓣電臺(tái)社交網(wǎng)絡(luò) Facebook、Twitter個(gè)性化閱讀 Google Reader個(gè)性化郵件和廣告 Tapestry、Facebook
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉占兵;肖詩(shī)斌;;基于用戶(hù)興趣模糊聚類(lèi)的協(xié)同過(guò)濾算法[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2015年11期

2 王娜;任婷;;移動(dòng)社交網(wǎng)站中的信息過(guò)載與個(gè)性化推薦機(jī)制研究[J];情報(bào)雜志;2015年08期

3 于洪;李俊華;;一種解決新項(xiàng)目冷啟動(dòng)問(wèn)題的推薦算法[J];軟件學(xué)報(bào);2015年06期

4 李改;;融合顯/隱式反饋的協(xié)同排序算法[J];計(jì)算機(jī)應(yīng)用;2015年05期

5 景民昌;;從ACM RecSys' 2014國(guó)際會(huì)議看推薦系統(tǒng)的熱點(diǎn)和發(fā)展[J];現(xiàn)代情報(bào);2015年04期

6 鄧華平;;基于項(xiàng)目聚類(lèi)和評(píng)分的時(shí)間加權(quán)協(xié)同過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用研究;2015年07期

7 碩良勛;柴變芳;張新東;;基于改進(jìn)最近鄰的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年05期

8 李振博;徐桂瓊;g

本文編號(hào)：2594885