本文關(guān)鍵詞：考慮時間動態(tài)性的協(xié)同過濾算法及其應用研究　出處：《河北工業(yè)大學》2015年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 協(xié)同過濾 個性化推薦 時間動態(tài)性

【摘要】：隨著電子商務的崛起,越來越多的人選擇使用電商去購物,同時對電商的購物體驗有個更高的要求。個性化推薦系統(tǒng)就是為了增加客戶的購物體驗而生的,在現(xiàn)實中應用廣泛。個性化推薦算法中,應用最成功的是協(xié)同過濾推薦算法。本文分析了現(xiàn)有協(xié)同過濾算法存在的不足,以及關(guān)于時間動態(tài)性的研究現(xiàn)狀,指出了一個重要的問題——商品是有先后購買順序的。傳統(tǒng)的協(xié)同過濾算法只考慮了用戶或商品之間的相關(guān)程度,并沒有根據(jù)商品的序列模式進行挖掘并推薦。本文結(jié)合現(xiàn)有算法的優(yōu)點,加入了時間動態(tài)性的特點,提出了一個考慮時間動態(tài)性的協(xié)同過濾推薦綜合性改進算法,并通過真實的電子商務銷售數(shù)據(jù)進行實驗測試,驗證了其推薦效果更佳。本文的主要內(nèi)容包括以下幾點:(1)通過對現(xiàn)有文獻的綜述研究,找到目前學者們的研究重點和研究方向,總結(jié)現(xiàn)有研究的特點,分析傳統(tǒng)協(xié)同過濾推薦算法的不足之處,總結(jié)出現(xiàn)有算法大多只在某一兩個方面進行改進,而加入時間動態(tài)性的研究也只停留在用戶興趣的改變上,從而引出了本文要研究的方向和重點。(2)結(jié)合現(xiàn)有研究中的優(yōu)秀改進方向和改進方法,加入商品序列模式的篩選和去除熱門效應的影響,提出一個綜合性的協(xié)同過濾推薦算法解決方案。其核心的思路可以總結(jié)為首先對原始數(shù)據(jù)集進行預處理,包括去噪音和聚類等;然后用一個新的相似度函數(shù)進行計算最近鄰居,這個相似度計算函數(shù)考慮了熱門系數(shù),評分系數(shù)和時間系數(shù);最后使用GSP算法挖掘商品的序列模式,對推薦結(jié)果集進行再次篩選,解決了用戶買鼠標后給其推薦電腦的問題。(3)收集了亞馬遜的真實評論數(shù)據(jù),對本文提出的改進算法進行實驗設計和推薦效果驗證。與傳統(tǒng)的協(xié)同過濾算法進行比較,提高了推薦的準確率,并改善了傳統(tǒng)算法中存在的數(shù)據(jù)稀疏性等問題,驗證了改進算法的推薦效果更優(yōu)秀。
[Abstract]:With the rise of e-commerce, more and more people choose to use electricity to go shopping, the electricity supplier shopping experience has a higher request. Personalized recommendation system is to increase the customer's shopping experience, widely used in reality. The personalized recommendation algorithm, the most successful application of the collaborative filtering algorithm. This paper analyzes the shortcomings of the existing collaborative filtering algorithm, and the research status on time dynamic, pointed out an important issue, commodities have successively purchase order. The traditional collaborative filtering algorithms only consider the degree of correlation between users or commodity, and not according to the sequence pattern of commodity by mining and recommended. This paper combines the advantages of existing algorithm, joined the time dynamic characteristics, a new collaborative filtering algorithm recommended time dynamic comprehensive, and E-commerce sales data real test, verify its better recommendation effect. The main contents of this paper include the following: (1) through a review of existing literature, find the current research emphases and directions of scholars, the characteristics of existing research, analysis on the deficiency of the traditional collaborative filtering recommendation algorithm the present algorithms are only in a certain improvement in one or two aspects, and adding time of dynamic research only stay in the user interest change, which leads to the direction and the focus of this study. (2) combined with the excellent improvement direction in current research and improvement methods, influence the selection of goods series the hot and removal effect, put forward a comprehensive collaborative filtering algorithm solutions. Its core idea can be summed up as the first of the original data set is preprocessed, including To remove the noise and clustering; then calculate the nearest neighbor with a new similarity function, the similarity function is considered hot coefficient, score coefficient and time coefficient; finally we use the GSP algorithm for sequential pattern mining commodities, on the recommendation result set again screening, to solve the user to buy the mouse after its recommended computer problems. (3) collected real data verify the Amazon review, experimental design and effect of improved recommendation algorithm is proposed in this paper. Compared with the traditional collaborative filtering algorithm, improves the accuracy of recommendation, and improve the data sparseness problem of traditional algorithm, verify that the improved algorithm is more effective good.

【學位授予單位】：河北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3;F713.36

【相似文獻】

相關(guān)期刊論文 前10條

1 張付志;張啟鳳;;融合多系統(tǒng)用戶信息的協(xié)同過濾算法[J];計算機工程;2009年21期

2 周麗娟;徐明升;張研研;張璋;;基于協(xié)同過濾的課程推薦模型[J];計算機應用研究;2010年04期

3 劉淇;陳恩紅;;結(jié)合二部圖投影與排序的協(xié)同過濾[J];小型微型計算機系統(tǒng);2010年05期

4 董全德;;基于雙信息源的協(xié)同過濾算法研究[J];合肥工業(yè)大學學報(自然科學版);2010年07期

5 李聰;;電子商務協(xié)同過濾可擴展性研究綜述[J];現(xiàn)代圖書情報技術(shù);2010年11期

6 傅鶴崗;李冉;;基于用戶實時反饋的協(xié)同過濾算法[J];計算機應用;2011年07期

7 辛勤芳;;基于項目聚類的協(xié)同過濾算法研究[J];赤峰學院學報(自然科學版);2011年09期

8 楊君;汪會玲;艾丹祥;;一種基于情景的多維協(xié)同過濾新方法研究[J];圖書情報工作;2011年21期

9 王宗武;;基于信任用戶聯(lián)合聚類的協(xié)同過濾算法[J];計算機與現(xiàn)代化;2013年09期

10 杜永萍;黃亮;何明;;融合信任計算的協(xié)同過濾推薦方法[J];模式識別與人工智能;2014年05期

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應用學術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應用學術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2007年

10 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[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學位論文 前10條

1 李聰;電子商務推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應用研究[D];大連理工大學;2008年

3 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機研究[D];上海交通大學;2011年

4 薛福亮;電子商務協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學;2012年

5 高e，

本文編號：1358017