協(xié)同過濾作為電子商務發(fā)展至今應用最為廣泛的個性化推薦算法之一,不僅為用戶選擇符合自身喜好的物品節(jié)省了許多時間與精力,還極大地提高了電商平臺和賣家的經(jīng)濟利益。但是一方面現(xiàn)在個性化推薦系統(tǒng)仍舊存在很多問題亟待解決,例如數(shù)據(jù)的稀疏性、新用戶或新商品的冷啟動、推薦的準確性和多樣性等問題。數(shù)據(jù)的稀疏性、新用戶的冷啟動、推薦的準確性和多樣性等問題。另一方面,電子商務網(wǎng)站積累了大量用戶行為的時間和空間的數(shù)據(jù),但協(xié)同過濾等算法卻并沒有充分考慮到這些信息帶來的影響,使得推薦結(jié)果的準確率無法得到更進一步的提升。本文考慮了物品用戶位置分布的特征對物品相似性的影響,提出了改進的協(xié)同過濾算法。通過實驗表明,該算法能夠為用戶產(chǎn)生精度更高的推薦列表的同時,推薦物品的多樣性也有著優(yōu)異的表現(xiàn)。我們的研究不但證明商品的用戶分布特征也是協(xié)同過濾算法中應當考慮的度量商品相似性的一個重要因素,而且為電商平臺如何有效地如何利用用戶位置信息來提高推薦算法精度提供了有價值的思路。具體主要研究工作如下:（1）基于真實商品的用戶分布進行分析,通過對比不同商品用戶分布的差異性,總結(jié)和歸納其內(nèi)在的規(guī)律并嘗試性地探討了這種差異性的可能產(chǎn)生的機... 

【文章來源】：杭州師范大學浙江省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究意義與內(nèi)容
    1.4 論文結(jié)構(gòu)
2 相關(guān)理論
    2.1 涉及的相關(guān)推薦算法
        2.1.1 基于近鄰的推薦系統(tǒng)
        2.1.2 上下文敏感的推薦系統(tǒng)
        2.1.3 位置感知推薦系統(tǒng)
        2.1.4 基于集成的混合推薦系統(tǒng)
    2.2 評價指標
        2.2.1 準確度指標
        2.2.2 多樣性和新穎性
    2.3 聚類算法
        2.3.1 K-Means聚類
    2.4 本章小結(jié)
3 基于用戶位置分布的個性化算法
    3.1 距離系數(shù)計算
    3.2 相似度計算
    3.3 個性化推薦
    3.4 評價指標
        3.4.1 準確性指標
        3.4.2 多樣性指標
    3.5 本章小結(jié)
4 實驗設(shè)計與分析
    4.1 實驗數(shù)據(jù)集
    4.2 距離分布系數(shù)分析
    4.3 實驗設(shè)置
    4.4 推薦結(jié)果分析
    4.5 本章小結(jié)
5 系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 數(shù)據(jù)完善采集
    5.2 系統(tǒng)設(shè)計架構(gòu)
    5.3 數(shù)據(jù)庫設(shè)計
    5.4 電影推薦系統(tǒng)的設(shè)計與實現(xiàn)
        5.4.1 登錄/注冊界面
        5.4.2 后臺管理系統(tǒng)
        5.4.3 電影推薦系統(tǒng)
    5.5 系統(tǒng)測試
    5.6 本章小結(jié)
6 總結(jié)和展望
    6.1 本文總結(jié)
    6.2 未來展望
參考文獻
作者簡歷


【參考文獻】：
期刊論文
[1]基于KNN-SVM的混合協(xié)同過濾推薦算法[J]. 呂成戍,王維國,丁永健.  計算機應用研究. 2012(05)



本文編號：2957296