【摘要】：日新月異的信息技術(shù)遍及社會、經(jīng)濟(jì)、生活等領(lǐng)域的各個(gè)角落,各領(lǐng)域中相關(guān)活動的信息被記錄成數(shù)據(jù)保存�？萍嫉倪M(jìn)步促進(jìn)數(shù)據(jù)存儲的成本大幅降低,海量的數(shù)據(jù)被存儲在數(shù)據(jù)庫或云端中,數(shù)據(jù)量正以前所未有的速度增長,并推動我們逐漸步入大數(shù)據(jù)時(shí)代。在大數(shù)據(jù)時(shí)代背景下,這些龐大的數(shù)據(jù)背后往往隱藏著驚人的價(jià)值。但是大數(shù)據(jù)環(huán)境下的數(shù)據(jù)呈現(xiàn)出規(guī)模性、多樣性、實(shí)時(shí)性、低價(jià)值密度等特點(diǎn),這極大的增加了對數(shù)據(jù)挖掘分析的難度,使數(shù)據(jù)的利用率遠(yuǎn)小于其增長率,造成信息過載問題越來越嚴(yán)重。目前,個(gè)性化推薦系統(tǒng)是解決信息過載問題的有效途徑之一,因此推薦系統(tǒng)中的基礎(chǔ)技術(shù)推薦算法也就成為當(dāng)下熱門研究方向之一。本文以大數(shù)據(jù)為背景環(huán)境,針對推薦算法中目前存在的關(guān)鍵問題做出改進(jìn),以期能提高推薦算法的預(yù)測準(zhǔn)確性、改善推薦算法的多樣性和新穎性。本文從以下幾個(gè)角度開展理論研究和實(shí)踐檢驗(yàn):(1)針對基于受限玻爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)的協(xié)同過濾算法在預(yù)測階段容易同化用戶個(gè)性化需求影響推薦準(zhǔn)確性的問題,提出了一種基于最近鄰的受限玻爾茲曼機(jī)協(xié)同過濾推薦算法。近鄰用戶之間的興趣會存在較高的相似性,相同興趣的用戶對同一個(gè)項(xiàng)目的評分也更接近。根據(jù)這一直觀感受,計(jì)算項(xiàng)目(用戶未評分而最近鄰中有評分)的評分等級概率,將該概率融入RBM模型預(yù)測階段強(qiáng)化預(yù)測結(jié)果中用戶的個(gè)性化,提高算法預(yù)測的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果證明,加入最近鄰的改進(jìn)算法不僅使提高了算法的預(yù)測準(zhǔn)確性,而且還增強(qiáng)了算法的抗過擬合能力。(2)針對基于受限玻爾茲曼機(jī)的協(xié)同過濾算法預(yù)測對“熱門項(xiàng)目”有標(biāo)新立異看法的用戶的評分準(zhǔn)確性差、預(yù)測“冷門項(xiàng)目”辨別力差的問題,提出一種基于項(xiàng)目標(biāo)簽的受限玻爾茲曼機(jī)的協(xié)同過濾算法。利用項(xiàng)目自身存在的客觀標(biāo)簽(如電影的主題、商品的類別等)描述用戶自身興趣偏好,此過程只利用到用戶自身已評分過的項(xiàng)目信息,強(qiáng)化了用戶的個(gè)性化需求。且對“冷門項(xiàng)目”的預(yù)測依據(jù)更加客觀真實(shí)、預(yù)測結(jié)果準(zhǔn)確性也更高。最后實(shí)驗(yàn)結(jié)果證明,加入項(xiàng)目客觀標(biāo)簽后算法的預(yù)測準(zhǔn)確性提高達(dá)1.2%。(3)針對基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦方法存在過度推薦“熱門資源”,忽略推薦“冷門資源”的問題,本文提出一種基于加權(quán)網(wǎng)絡(luò)結(jié)構(gòu)的冷門資源推薦算法。本文通過改進(jìn)其網(wǎng)絡(luò)結(jié)構(gòu)中的能量擴(kuò)散方式,來提高推薦算法對“冷門資源”的推薦,進(jìn)而改善推薦結(jié)果的多樣性和新穎性。通過實(shí)驗(yàn)證明,該算法既兼顧了推薦的準(zhǔn)確性,又有效的提高了對“冷門資源”的推薦。
[Abstract]:......
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F713.55

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張新猛;蔣盛益;張倩生;謝柏林;李霞;;基于用戶偏好加權(quán)的混合網(wǎng)絡(luò)推薦算法[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2015年09期

2 孟祥武;劉樹棟;張玉潔;胡勛;;社會化推薦系統(tǒng)研究[J];軟件學(xué)報(bào);2015年06期

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

4 張春霞;姬楠楠;王冠偉;;受限波爾茲曼機(jī)[J];工程數(shù)學(xué)學(xué)報(bào);2015年02期

5 孫亭;賈元江;張永勝;侯秀艷;于鑫;;基于Hadoop的推薦算法研究[J];軟件工程師;2015年04期

6 宋文君;郭強(qiáng);劉建國;;時(shí)間窗口對個(gè)性化推薦算法的影響研究[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2015年01期

7 肖揚(yáng);王道平;楊岑;;基于三部圖網(wǎng)絡(luò)結(jié)構(gòu)的知識推薦算法[J];計(jì)算機(jī)應(yīng)用研究;2015年02期

8 孫輝;馬躍;楊海波;張紅松;;一種相似度改進(jìn)的用戶聚類協(xié)同過濾推薦算法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年09期

9 趙婷;肖如良;孫聰;陳洪濤;李源鑫;李洪恩;;融合時(shí)間綜合影響的輪盤賭游走個(gè)性化推薦算法[J];計(jì)算機(jī)應(yīng)用;2014年04期

10 榮輝桂;火生旭;胡春華;莫進(jìn)俠;;基于用戶相似度的協(xié)同過濾推薦算法[J];通信學(xué)報(bào);2014年02期

相關(guān)博士學(xué)位論文 前4條

1 劉青文;基于協(xié)同過濾的推薦算法研究[D];中國科學(xué)技術(shù)大學(xué);2013年

2 任磊;推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2012年

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

4 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(xué);2005年

，

本文編號：2489786