本文關鍵詞：電子商務的個性化協(xié)同過濾推薦算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：協(xié)同過濾技術是推薦系統(tǒng)中應用最廣泛的一種個性化推薦技術，因而得到了眾多科研人員的青睞。本文以協(xié)同過濾推薦算法為主要研究對象，針對協(xié)同過濾推薦算法在實際應用中面臨的準確性、擴展性、數(shù)據(jù)稀疏性和實時動態(tài)性等幾個關鍵性問題進行展開和深入分析，結(jié)合最優(yōu)化算法技術和機器學習等技術手段提出了對這些關鍵問題的解決方案。具體如下： 1、針對協(xié)同過濾推薦算法的準確性問題，提出了一種基于二階段相似度學習的協(xié)同過濾推薦算法。該算法旨在通過較少的迭代計算改善推薦算法準確性，它以既約梯度法迭代尋優(yōu)為主，K近鄰算法為輔，實現(xiàn)了相似度的逐步學習，進而提高了相似度的計算精度。實驗表明，在一定條件下基于二階段相似度學習算法不僅在誤差性能上優(yōu)于傳統(tǒng)的推薦方法，而且算法收斂速度快，可實現(xiàn)相似度參數(shù)動態(tài)調(diào)整和分布式計算。 2、針對協(xié)同過濾推薦算法的擴展性和數(shù)據(jù)稀疏性問題，在基于二階段相似度學習的協(xié)同過濾推薦算法的基礎上，提出了一種基于子空間用戶代表的協(xié)同過濾推薦算法，該算法旨在通過將項目集劃分子空間，，并在子空間上利用模糊C-均值聚類算法產(chǎn)生用戶代表，將這種基于子空間用戶代表和基于二階段相似度學習的協(xié)同過濾推薦算法結(jié)合，在不失準確性的前提下提高算法擴展性。同時為了緩解數(shù)據(jù)稀疏性對算法的影響，對子空間用戶相似度的計算作了改進。實驗表明，這種算法在提高擴展性的同時保證了準確性，而且提出的子空間用戶相似度計算新方法緩解了數(shù)據(jù)稀疏性的影響。 3、針對協(xié)同過濾推薦算法的實時動態(tài)性問題進行了探索，提出了考慮時序性的基于滾動時間窗的用戶-項目-時間三維動態(tài)模型，并在此基礎上研究了針對該模型的協(xié)同過濾推薦算法。該模型算法對不同時間的興趣評分按時間序列處理，用戶興趣相似度由不同時間段的分量組合而成，注重了算法的時效性；進而推導出了該模型的增量算法，利用增量算法減少了計算相似度的時間復雜度；最后設計了合理的實驗，實驗結(jié)果表明，與傳統(tǒng)的二維協(xié)同過濾推薦模型相比，本文提出的三維動態(tài)模型及算法獲得了更高的推薦命中率。
【關鍵詞】：協(xié)同過濾 二階段相似度學習 子空間 用戶代表 模糊聚類 滾動時間窗 動態(tài)性
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP391.3
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 緒論11-17
• 1.1 課題研究的背景及意義11-12
• 1.2 國內(nèi)外相關的研究12-15
• 1.2.1 推薦系統(tǒng)研究現(xiàn)狀12-13
• 1.2.2 協(xié)同過濾研究現(xiàn)狀13-15
• 1.3 本文的主要研究內(nèi)容15-16
• 1.4 論文的組織16-17
• 第二章 協(xié)同過濾推薦技術17-37
• 2.1 引言17-20
• 2.2 協(xié)同過濾概念和原理20
• 2.3 協(xié)同過濾推薦技術的應用20-21
• 2.4 經(jīng)典的協(xié)同過濾推薦技術21-30
• 2.4.1 基于內(nèi)存的協(xié)同過濾推薦技術22-26
• 2.4.2 基于模型的協(xié)同過濾推薦技術26-30
• 2.4.3 混合推薦技術30
• 2.5 協(xié)同過濾推薦技術存在的問題30-32
• 2.5.1 準確性問題30-31
• 2.5.2 擴展性問題31
• 2.5.3 數(shù)據(jù)稀疏性問題31
• 2.5.4 實時動態(tài)性問題31-32
• 2.5.5 冷啟動問題32
• 2.6 實驗真實數(shù)據(jù)集32-36
• 2.7 本章小結(jié)36-37
• 第三章 基于二階段相似度學習的協(xié)同過濾推薦算法37-58
• 3.1 引言37-39
• 3.2 基于二階段相似度學習的協(xié)同過濾推薦算法39-42
• 3.2.1 基于相似度學習算法推導39-41
• 3.2.2 基于二階段相似度學習算法41-42
• 3.3 基于二階段相似度學習協(xié)同過濾推薦算法的優(yōu)化42-44
• 3.3.1 海選的優(yōu)化——支持度權重42-43
• 3.3.2 精選的優(yōu)化——防止過擬合43-44
• 3.4 精選求解方法44-47
• 3.4.1 既約梯度法44-46
• 3.4.2 黃金分割法46-47
• 3.5 算法步驟描述47
• 3.6 基于二階段相似度學習的協(xié)同過濾推薦系統(tǒng)結(jié)構47-49
• 3.7 實驗與分析49-57
• 3.7.1 評測指標49-50
• 3.7.2 實驗與分析50-57
• 3.8 本章小結(jié)57-58
• 第四章 基于子空間用戶代表的二階段相似度學習協(xié)同過濾算法58-78
• 4.1 引言58-59
• 4.2 基于子空間用戶代表的二階段相似度學習協(xié)同過濾算法原理59-66
• 4.2.1 子空間的劃分59-61
• 4.2.2 子空間的用戶相似度61-62
• 4.2.3 基于子空間用戶代表與基于二階段相似度學習協(xié)同過濾算法結(jié)合62-65
• 4.2.4 子空間的歸并65-66
• 4.3 子空間上用戶代表的生成方法66-69
• 4.3.1 模糊 C-均值聚類算法66-68
• 4.3.2 初始用戶代表的選擇68-69
• 4.4 算法步驟描述69-71
• 4.5 實驗與分析71-77
• 4.6 本章小結(jié)77-78
• 第五章 基于滾動時間窗的動態(tài)協(xié)同過濾推薦模型及算法78-90
• 5.1 引言78
• 5.2 傳統(tǒng)協(xié)同過濾推薦算法及動態(tài)時序性問題78-79
• 5.3 基于滾動時間窗的用戶-項目-時間三維動態(tài)模型79-81
• 5.4 基于動態(tài)模型的協(xié)同過濾推薦算法81-86
• 5.4.1 算法核心思想81
• 5.4.2 算法具體步驟81-86
• 5.4.3 算法流程圖86
• 5.5 實驗與分析86-89
• 5.5.1 評測指標86-87
• 5.5.2 算法性能實驗87
• 5.5.3 算法參數(shù)實驗87-89
• 5.6 本章小結(jié)89-90
• 第六章 總結(jié)與展望90-93
• 6.1 研究工作總結(jié)90-91
• 6.2 未來研究展望91-93
• 參考文獻93-99
• 攻讀碩士學位期間的主要學術成果99-100
• 致謝100-103
• 附件103

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙亮,胡乃靜,張守志;個性化推薦算法設計[J];計算機研究與發(fā)展;2002年08期

2 李濤;王建東;葉飛躍;;推薦系統(tǒng)中一種新的相似性計算方法[J];計算機科學;2007年08期

3 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[J];計算機學報;2010年08期

4 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[J];計算機學報;2010年08期

5 鄧維斌;黃蜀江;周玉敏;;基于條件信息熵的自主式樸素貝葉斯分類算法[J];計算機應用;2007年04期

6 李大學;謝名亮;趙學斌;;基于樸素貝葉斯方法的協(xié)同過濾推薦算法[J];計算機應用;2010年06期

7 熊忠陽;劉芹;張玉芳;李文田;;基于項目分類的協(xié)同過濾改進算法[J];計算機應用研究;2012年02期

8 鄧愛林,朱揚勇,施伯樂;基于項目評分預測的協(xié)同過濾推薦算法[J];軟件學報;2003年09期

9 張敏,于劍;基于劃分的模糊聚類算法[J];軟件學報;2004年06期

10 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學報;2009年02期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學;2005年

2 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

3 張宇;在線社會網(wǎng)絡信任計算與挖掘分析中若干模型與算法研究[D];浙江大學;2009年

4 郁雪;基于協(xié)同過濾技術的推薦方法研究[D];天津大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 何奎;基于用戶聚類的協(xié)同過濾推薦系統(tǒng)研究[D];西南交通大學;2011年

2 康雨潔;基于協(xié)同過濾的個性化社區(qū)推薦方法研究[D];中國科學技術大學;2011年

3 寇艷艷;電子商務推薦系統(tǒng)中用戶聚類問題與用戶興趣變化問題研究[D];中國科學技術大學;2011年

4 查文琴;基于用戶聚類的項目多內(nèi)容協(xié)同過濾推薦[D];合肥工業(yè)大學;2009年

5 施華;基于項目和用戶雙重聚類的協(xié)同過濾推薦算法[D];東北師范大學;2009年

  本文關鍵詞：電子商務的個性化協(xié)同過濾推薦算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：362301