本文關(guān)鍵詞：基于多屬性動態(tài)權(quán)值調(diào)整的協(xié)同過濾技術(shù)研究

  更多相關(guān)文章： 項目屬性 權(quán)值調(diào)整 推薦系統(tǒng) 協(xié)同過濾

【摘要】：隨著互聯(lián)網(wǎng)的出現(xiàn)普及,網(wǎng)絡(luò)中的信息量極速膨脹,當在面對海量、冗雜的網(wǎng)絡(luò)信息時,用戶無法高效的從中取得對用戶自身真實有用的信息,這就意味著我們身處的時代是一個“信息超載(Information Overload)”的時代。針對信息超載問題,推薦系統(tǒng)能從爆炸的增量信息中篩選出符合用戶需求的信息,因此被認為是解決問題的主要手段之一。在推薦系統(tǒng)中,個性化推薦不僅能迅速挖掘到用戶所需資源,提高信息資源的利用率,因此被普遍認為是電子商務(wù)領(lǐng)域至關(guān)重要的服務(wù)技術(shù)。目前較為成功的個性化推薦技術(shù)當之無愧是協(xié)同過濾(Collaborative Filtering)推薦技術(shù),但協(xié)同過濾推薦算法在得到廣泛應(yīng)用的同時,也出現(xiàn)了一些如數(shù)據(jù)稀疏性、冷啟動等缺陷,而這些問題都嚴重制約了推薦結(jié)果的個性化。不僅如此,如今的個性化推薦技術(shù)大多都著眼于研究用戶偏好,但僅片面的關(guān)注用戶偏好的變化或用戶偏好的某一方面,使得個性化推薦的準確率較低。項目具有多角度性,并以此區(qū)分不同類型的項目,因此用戶對項目的評價也從多個角度側(cè)面反映了用戶的偏好特征。由于基于項目的協(xié)同過濾算法多是基于項目的評分相似性進行推薦,鮮有從項目的多個角度分析用戶對其的偏好,因此推薦準確度較低。本文提出了基于多屬性動態(tài)權(quán)值調(diào)整的協(xié)同過濾推薦算法,從項目的多個角度以及用戶評分的變化動態(tài)的考量用戶偏好,并通過變化權(quán)值衡量用戶對項目的偏好程度,以此改善基于項目的協(xié)同過濾進行推薦未兼顧用戶偏好從而導致推薦效果較差的問題,提高用戶對系統(tǒng)的滿意度及推薦的準確度。本文的研究意義如下:(1)理論意義:通過項目屬性獲取用戶偏好的方式為協(xié)同過濾推薦系統(tǒng)兼顧用戶偏好、實現(xiàn)個性化推薦提供關(guān)鍵依據(jù);引入項目主要屬性權(quán)值作為理論基礎(chǔ),為研究基于項目評分的協(xié)同過濾推薦提供新思路及方向;設(shè)定的非固定權(quán)值對評分進行動態(tài)調(diào)整可以更準確的捕捉到用戶的實際偏好及變化,以實現(xiàn)更準確的推薦。(2)實際意義:傳統(tǒng)的推薦方式不能滿足用戶的個性化需求,本文的算法著重考量用戶偏好的影響以提供更為準確的個性化推薦,幫助電子商務(wù)平臺提供更為優(yōu)質(zhì)的服務(wù);在一定程度上改善了傳統(tǒng)的協(xié)同過濾推薦系統(tǒng),使之能夠適應(yīng)電子商務(wù)應(yīng)用需求,對完善網(wǎng)絡(luò)購物環(huán)境具有一定的現(xiàn)實意義。
【關(guān)鍵詞】：項目屬性 權(quán)值調(diào)整 推薦系統(tǒng) 協(xié)同過濾
【學位授予單位】：云南財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F713.36
【目錄】：

• 摘要3-5
• Abstract5-9
• 第一章 緒論9-20
• 第一節(jié) 課題研究背景與意義9-16
• 一、課題研究背景9-14
• 二、課題研究意義14-16
• 第二節(jié) 研究思路和主要內(nèi)容16-20
• 一、研究思路16-18
• 二、研究內(nèi)容18-19
• 三、論文組織結(jié)構(gòu)19-20
• 第二章 推薦系統(tǒng)及協(xié)同過濾推薦系統(tǒng)研究概述20-41
• 第一節(jié) 推薦系統(tǒng)的定義20-22
• 第二節(jié) 推薦系統(tǒng)分類22-27
• 一、基于知識的推薦22-23
• 二、基于內(nèi)容的推薦23-25
• 三、協(xié)同過濾推薦25
• 四、混合推薦25-27
• 第三節(jié) 協(xié)同過濾推薦27-41
• 一、協(xié)同過濾推薦的思想及原理27
• 二、協(xié)同過濾推薦的步驟27-32
• 三、協(xié)同過濾推薦的分類32-37
• 四、協(xié)同過濾推薦的優(yōu)點與存在的問題37-39
• 五、各類推薦系統(tǒng)的對比39-40
• 六、推薦系統(tǒng)的研究方向與發(fā)展趨勢40-41
• 第三章 基于多屬性動態(tài)權(quán)值調(diào)整的協(xié)同過濾推薦技術(shù)的研究41-56
• 第一節(jié) 引言41-43
• 第二節(jié) 進行推薦的基本過程43-47
• 一、算法的三個基本假設(shè)43
• 二、算法流程43-44
• 三、數(shù)據(jù)結(jié)構(gòu)44-47
• 第三節(jié) 算法的詳細描述47-55
• 一、基于多屬性動態(tài)權(quán)值調(diào)整的推薦算法47-52
• 二、基于多屬性動態(tài)權(quán)值調(diào)整的協(xié)同過濾推薦算法52-55
• 第四節(jié) 本章小結(jié)55-56
• 第四章 實驗設(shè)計與結(jié)果分析56-67
• 第一節(jié) 實驗數(shù)據(jù)集56-57
• 第二節(jié) 檢驗指標57-59
• 一、平均絕對誤差MAE57-58
• 二、準確率58-59
• 三、召回率59
• 第三節(jié) 實驗內(nèi)容59-62
• 一、實驗一：MAE值59-60
• 二、實驗二：準確率、召回率60-62
• 第四節(jié) 實驗結(jié)論與分析62-67
• 第五章 結(jié)論與展望67-69
• 參考文獻69-74
• 致謝74-75
• 作者在讀期間完成的研究成果75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 夏秀峰;郝仲模;李磊;;考慮年度日程表事件的協(xié)同過濾推薦[J];計算機工程與應(yīng)用;2010年11期

2 朱敏;蘇博;;基于奇異值分解的協(xié)同過濾推薦算法研究[J];計算機安全;2010年07期

3 龔松杰;;電子商務(wù)中協(xié)同過濾推薦技術(shù)研究[J];商場現(xiàn)代化;2008年03期

4 李雪峰;劉魯;張f，

本文編號：710770