隨著信息時(shí)代的高速發(fā)展,近年來,海量的用戶行為數(shù)據(jù)創(chuàng)造了巨大的財(cái)富,分析用戶的行為也成為最有價(jià)值的研究之一。在電子商務(wù)以及互聯(lián)網(wǎng)中,推薦系統(tǒng)旨在幫助用戶可以快速、準(zhǔn)確的從海量信息中找出對自己有用的那一部分,得益于學(xué)術(shù)界對推薦技術(shù)的不斷研究,推薦系統(tǒng)也由最初的協(xié)同過濾算法發(fā)展成為融合各行業(yè)技術(shù)的一門獨(dú)立的學(xué)科。在當(dāng)前的推薦技術(shù)背景下,研究者把更多的目光投向于改善推薦系統(tǒng)的性能上,通過研究用戶的行為數(shù)據(jù)提高預(yù)測的準(zhǔn)確率是一個(gè)主流的研究方向;同時(shí)對推薦系統(tǒng)所面臨的問題進(jìn)行深入的研究也很有意義,如用戶評分主觀性問題,主觀性的存在導(dǎo)致評分標(biāo)準(zhǔn)不統(tǒng)一,從而造成評分的高低并不能完全代表用戶對物品的感興趣程度,數(shù)據(jù)稀疏問題的存在也對用戶興趣的挖掘造成了一定的困難,針對此類問題論文的主要研究內(nèi)容和創(chuàng)新如下:1.本論文通過研究用戶的評分行為數(shù)據(jù),針對推薦系統(tǒng)中的用戶評分主觀性問題,結(jié)合傳統(tǒng)的協(xié)同過濾算法,設(shè)計(jì)實(shí)現(xiàn)一種基于用戶行為的推薦方法。首先,針對評分主觀性和個(gè)體差異性問題,引入并優(yōu)化相關(guān)云模型理論,利用云模型定量到定性之間相互轉(zhuǎn)換的優(yōu)勢,提出采用綜合云模型生成評分標(biāo)準(zhǔn)并轉(zhuǎn)化用戶評分的方法;然后,在此基... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

推薦系統(tǒng)概況圖

能完全衡量用戶對物品的喜愛程度。.2 基于云的用戶評分標(biāo)準(zhǔn)化針對用戶評分主觀性，本節(jié)提出一種用戶評分標(biāo)準(zhǔn)化方法，轉(zhuǎn)換后的新評在一個(gè)標(biāo)準(zhǔn)下，由此可從源數(shù)據(jù)上消除用戶評分主觀性的影響，從而提高準(zhǔn)確率。方法主要包括制定評分標(biāo)準(zhǔn)和標(biāo)準(zhǔn)下轉(zhuǎn)換用戶評分兩部分。.2.1 方法概述用戶評分標(biāo)準(zhǔn)化方法目的是轉(zhuǎn)換用戶評分使其可以在同一個(gè)標(biāo)準(zhǔn)下，方法定評分標(biāo)準(zhǔn)和標(biāo)準(zhǔn)下轉(zhuǎn)換評分兩部分，在制定評分標(biāo)準(zhǔn)中，其主要思想利模型可以定性的表示一組數(shù)據(jù)的特性。

云模型是一種定性與定量相互轉(zhuǎn)換的算法，能夠?qū)崿F(xiàn)定性概念與定量數(shù)的不確定性轉(zhuǎn)換，云模型中云滴的隸屬度可以刻畫云滴在云中的位置以及隸屬程度。云模型之所以能夠體現(xiàn)一組數(shù)字表現(xiàn)的概念并進(jìn)行定性的評價(jià)為逆向云發(fā)生器的存在，然而當(dāng)云滴數(shù)量較小時(shí)，逆向云發(fā)生器存在一定的并會影響云滴隸屬度的計(jì)算。云是由定量的云滴組合成的，其中單個(gè)樣本體來說不重要，主題輪廓和形狀才是定性概念的表現(xiàn)，逆向云發(fā)生器是通云中每個(gè)云滴而得到云特征向量( Ex , En , He )的。但云滴的數(shù)量也是云特征確計(jì)算的前提。在文獻(xiàn)逆向云在定性評價(jià)[49]中的應(yīng)用一文中，李德毅指出的數(shù)量大于 10 時(shí)就可以較為準(zhǔn)確的得到 Ex ，誤差小于 0.01，當(dāng)云滴的大時(shí)，En 的絕對誤差可以控制在 0.01 之內(nèi)，對于 He 則需要 200 個(gè)云滴。文特征向量(0, 1, 0.05)為例，以云滴為橫坐標(biāo)，三個(gè)數(shù)字特征的絕對誤差縱坐作圖，如圖 4.1 所示：

【參考文獻(xiàn)】：
期刊論文
[1]一種新的用于跨領(lǐng)域推薦的遷移學(xué)習(xí)模型[J]. 王俊,李石君,楊莎,金紅,余偉.  計(jì)算機(jī)學(xué)報(bào). 2017(10)
[2]基于位置社交網(wǎng)絡(luò)的上下文感知的興趣點(diǎn)推薦[J]. 任星怡,宋美娜,宋俊德.  計(jì)算機(jī)學(xué)報(bào). 2017(04)
[3]基于協(xié)同矩陣分解的評分與信任聯(lián)合預(yù)測[J]. 張維玉,吳斌,耿玉水,朱江.  電子學(xué)報(bào). 2016(07)
[4]基于屬性提升與局部采樣的推薦評分預(yù)測[J]. 鄭麟,朱福喜,姚杏.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[5]基于云模型的智能駕駛車輛變粒度測評研究[J]. 高洪波,張新鈺,張?zhí)炖?劉玉超,李德毅.  電子學(xué)報(bào). 2016(02)
[6]基于云模型、圖論和互信息的遙感影像分割方法[J]. 宋嵐,文堂柳,黎海生,王杉.  電子學(xué)報(bào). 2015(08)
[7]基于云模型的協(xié)同過濾推薦算法[J]. 萬年紅.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(05)
[8]雙向認(rèn)知計(jì)算的p階正態(tài)云模型遞歸定義及分析[J]. 王國胤,許昌林,張清華,王曉蓉.  計(jì)算機(jī)學(xué)報(bào). 2013(11)
[9]基于云模型的時(shí)間修正協(xié)同過濾推薦算法[J]. 王曉堤,桑婧.  計(jì)算機(jī)工程與科學(xué). 2012(12)
[10]基于云模型的不確定性QoS感知的Skyline服務(wù)選擇[J]. 王尚廣,孫其博,張光衛(wèi),楊放春.  軟件學(xué)報(bào). 2012(06)



本文編號：3497621