【摘要】：隨著互聯(lián)網(wǎng)技術的日益發(fā)展,社交網(wǎng)絡、電子商務、各種應用蓬勃發(fā)展,但是海量數(shù)據(jù)信息在滿足用戶需求的同時也造成了信息過載問題,迅速找到有效且合理的信息越來越困難,個性化推薦技術作為解決信息過載問題的手段之一,能夠根據(jù)眾多的歷史交互行為分析用戶的興趣偏好,向用戶提供其可能感興趣的信息,輔助用戶決策。協(xié)同過濾技術作為使用最成功和最廣泛的推薦技術之一,至今仍面臨著數(shù)據(jù)稀疏性和冷啟動等問題。社交網(wǎng)絡的發(fā)展給推薦技術帶來新的方向,將社交網(wǎng)絡中好友關系引入傳統(tǒng)協(xié)同過濾方法中,通過信任機制進行衡量,能夠有效改善數(shù)據(jù)稀疏性等問題,提高推薦精度,成為目前研究推薦技術的重要方向之一。本文以改進協(xié)同過濾技術為目標,致力于改善數(shù)據(jù)稀疏性、冷啟動等問題,提高推薦系統(tǒng)的推薦精度。首先將社交網(wǎng)絡中的“信任機制”,即“用戶信任的好友能夠給用戶帶來一個正向的推薦結果,是經(jīng)過對交互歷史的考慮之后判斷可能會產(chǎn)生的一種有利結果”引入到協(xié)同過濾技術中,在用戶-項目評分矩陣和用戶間的信任矩陣的基礎上,充分計算用戶間的間接信任度以填充信任矩陣,最后基于用戶相似度和信任度的三種預測方式的比較提出一種基于信任機制的協(xié)同過濾推薦模式。為了進一步優(yōu)化這種方法,先后融合用戶興趣偏好和關聯(lián)規(guī)則算法,前者通過用戶間的興趣相似性對目標用戶的好友進一步過濾,后者挖掘項目間的潛在相關性,與協(xié)同過濾進行混合推薦,解決新用戶推薦問題。此外,本文提出的推薦模式均在FilmTrust網(wǎng)站公開數(shù)據(jù)集上進行準確性等實驗研究,結果表明此方法能夠有效改善冷啟動問題,提高推薦精度。最后分析了研究模型的不足之處和未來繼續(xù)改進的方向。
【圖文】：

２．２．２協(xié)同過濾算法的分類逡逑協(xié)同過濾算法作為最成功的推薦技術之一，在過去的發(fā)展中得到了各界學者逡逑深入的研究，如圖２．１所示，協(xié)同過濾按照算法針對的對象可以分為基于內(nèi)存逡逑（Ｍｅｍｏｒｙ邋ｂａｓｅｄ）的推薦和基于模型（Ｍｏｄｅｌ邋ｂａｓｅｄ）的過濾技術。逡逑協(xié)同過濾逡逑基于內(nèi)存柋！邐基于模型的協(xié)逡逑同過濾邋！邐＿邐５過濾＿逡逑，六，逡逑￥于用戶的推薦基于物品的推薦邐丨矩陣分解ｉ邋ＬＤＡ主題模型｜邋（邋．１．邋］邋ｉ圖模型逡逑－邐Ｉ邐——邋Ｊ邋邐１邋ｕ＂邋＇邐逡逑圖２．１協(xié)同過濾算法的分類逡逑（１）基于內(nèi)存的協(xié)同過濾算法逡逑１）基于用戶的協(xié)同過濾逡逑基于用戶的推薦模型是協(xié)同過濾基本思想最直接的詮釋，關汗川戶Ｓ；⑴戶間逡逑的相似度，認為只要通過找出具有相似愛好的鄰居用戶所喜歡的物品，就T以對逡逑目標用戶進行推薦。在日常生活中，經(jīng)常向好友尋求電影、音樂、商品的推薦，逡逑或者向師兄師姐咨詢書籍的推薦等都是基于雙方在某方面具有共T的興趣愛好逡逑９逡逑

逡逑或者正在進行相似的研究。簡單來說，如圖２．２所示，用戶１和用戶３具有共同逡逑愛好物品Ａ和Ｃ，所以二者的相似程度較高，從而可以將用戶３喜歡且用戶１逡逑未接觸的物品Ｄ推薦給用戶１。逡逑物品Ａ物品Ｂ物品Ｃ物品Ｄ逡逑□邋□邋□邋□逡逑＼邋Ｋｘ＊邋入逡逑＼邋／’，＼邋＇＇人邋＼逡逑＼／／邋＼／邋＜＼逡逑Ａ邋Ａ邋Ａ逡逑用戶１邐用戶２邐用戶３逡逑圖２．２基于用戶的協(xié)同過濾逡逑基于用戶的推薦技術簡單易理解，廣泛應用于各大網(wǎng)站的推薦版塊中，并取逡逑得了巨大成功，但是在運用過程中，，這種方法的不足也逐漸顯露出來。為了保證逡逑推薦結果的準確性，要求用戶和物品的數(shù)量要分布在一定范圍內(nèi)，但是在實際應逡逑用中，用戶真正所接觸的項目往往只占很小一部分，比如一視頻網(wǎng)站中有三百萬逡逑的視頻資源，而大多數(shù)用戶的觀看總數(shù)大概是２０－２００，這就造成很少有用戶能與逡逑目標用戶具有充分多的交集
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.3;F713.36

【參考文獻】

相關期刊論文 前10條

1 郭曉波;趙書良;牛東攀;王長賓;逄煥利;;一種解決稀疏數(shù)據(jù)和冷啟動問題的組合推薦方法[J];中國科學技術大學學報;2015年10期

2 朱揚勇;孫婧;;推薦系統(tǒng)研究進展[J];計算機科學與探索;2015年05期

3 張富國;;基于社交網(wǎng)絡的個性化推薦技術[J];小型微型計算機系統(tǒng);2014年07期

4 榮輝桂;火生旭;胡春華;莫進俠;;基于用戶相似度的協(xié)同過濾推薦算法[J];通信學報;2014年02期

5 賈冬艷;張付志;;基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2013年05期

6 李瑞敏;閆俊;林鴻飛;;基于音樂基因組的個性化移動音樂推薦系統(tǒng)[J];計算機應用與軟件;2012年09期

7 孟祥武;胡勛;王立才;張玉潔;;移動推薦系統(tǒng)及其應用[J];軟件學報;2013年01期

8 張斌;張引;高克寧;郭朋偉;孫達明;;融合關系與內(nèi)容分析的社會標簽推薦[J];軟件學報;2012年03期

9 王立才;孟祥武;張玉潔;;上下文感知推薦系統(tǒng)[J];軟件學報;2012年01期

10 陳志敏;李志強;;基于用戶特征和項目屬性的協(xié)同過濾推薦算法[J];計算機應用;2011年07期

本文編號：2695977