Web2.0時(shí)代下,網(wǎng)絡(luò)技術(shù)的發(fā)展使得信息生產(chǎn)大眾化,網(wǎng)絡(luò)信息量呈爆發(fā)式增長(zhǎng),用戶從海量信息中尋找有價(jià)值的信息所需要付出的代價(jià)也越來越高。面對(duì)這樣的信息過載問題,推薦系統(tǒng)作為一種信息過濾工具被研究人員提出,并逐漸演變成為一門學(xué)科,受到學(xué)術(shù)界和工業(yè)界的關(guān)注和研究。如今,對(duì)推薦系統(tǒng)的研究更多的是面向推薦的準(zhǔn)確率指標(biāo),但僅僅提高算法的準(zhǔn)確率,并不會(huì)造成用戶對(duì)推薦結(jié)果的滿意度提升,反而會(huì)引起用戶興趣同質(zhì)化現(xiàn)象,流行物品出現(xiàn)在大量用戶的推薦列表中,大量長(zhǎng)尾物品無法被推薦算法挖掘出來。推薦算法研究中已經(jīng)出現(xiàn)許多的評(píng)價(jià)指標(biāo)來衡量一個(gè)推薦算法的好壞。其中,覆蓋率指標(biāo)刻畫了推薦系統(tǒng)挖掘長(zhǎng)尾物品的能力,對(duì)商家來說,該指標(biāo)意義重大。該指標(biāo)的提升能夠避免推薦范圍的局限性,用戶可以選擇的物品更豐富。因此,對(duì)研究人員和業(yè)界商家來說,面向覆蓋率的推薦算法研究有著重大實(shí)際意義和研究意義。為了將更多的長(zhǎng)尾物品推薦給合適的用戶,本文對(duì)傳統(tǒng)推薦算法進(jìn)行了一系列研究,其中考慮添加鄰居用戶懲罰項(xiàng)、抑制流行物品傳播等改進(jìn)方式,用以提高長(zhǎng)尾物品的曝光度。還采用了以校準(zhǔn)用戶興趣比例為目的的重排序方法,從而避免用戶興趣越來越狹隘。本文...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 面向準(zhǔn)確性的推薦算法
        1.2.2 面向多樣性的推薦算法
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 推薦系統(tǒng)相關(guān)知識(shí)概述
    2.1 個(gè)性化推薦系統(tǒng)的應(yīng)用場(chǎng)景
    2.2 推薦算法的幾大挑戰(zhàn)
        2.2.1 冷啟動(dòng)問題
        2.2.2 數(shù)據(jù)稀疏性問題
        2.2.3 熱門物品偏向問題
        2.2.4 用戶興趣漂移問題
    2.3 常用的推薦算法
        2.3.1 協(xié)同過濾推薦算法
        2.3.2 基于內(nèi)容的推薦算法
        2.3.3 基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法
    2.4 推薦算法評(píng)價(jià)指標(biāo)介紹
        2.4.1 準(zhǔn)確性指標(biāo)
        2.4.2 覆蓋率指標(biāo)
        2.4.3 多樣性指標(biāo)
    2.5 實(shí)驗(yàn)數(shù)據(jù)集介紹
    2.6 本章小結(jié)
第三章 推薦算法的改進(jìn)方法
    3.1 相關(guān)研究工作
    3.2 基于用戶的協(xié)同過濾算法的直接改進(jìn)
        3.2.1 算法分析與改進(jìn)
        3.2.2 算法性能評(píng)測(cè)
    3.3 基于物品的協(xié)同過濾算法的直接改進(jìn)
        3.3.1 算法分析與改進(jìn)
        3.3.2 算法性能評(píng)測(cè)
    3.4 基于二部圖的物質(zhì)擴(kuò)散算法的直接改進(jìn)
        3.4.1 算法分析與改進(jìn)
        3.4.2 算法性能評(píng)測(cè)
    3.5 本章小結(jié)
第四章 推薦算法的重排序方法
    4.1 相關(guān)工作介紹
    4.2 基于校準(zhǔn)思想的重排序方法
        4.2.1 校準(zhǔn)概念
        4.2.2 重排序策略
        4.2.3 聚類算法介紹
    4.3 算法性能評(píng)測(cè)
        4.3.1 協(xié)同過濾算法重排序
        4.3.2 物質(zhì)擴(kuò)散算法重排序
    4.4 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)



本文編號(hào)：3855120