本文關(guān)鍵詞： 大數(shù)據(jù) 推薦系統(tǒng) 數(shù)據(jù)稀疏 冷啟動(dòng)　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：眾所周知,互聯(lián)網(wǎng)近幾年發(fā)展速度超乎人們的想象,用戶在互聯(lián)網(wǎng)上留下的信息不計(jì)其數(shù)。怎樣從這些超量的互聯(lián)網(wǎng)信息中挖取出用戶感興趣的內(nèi)容,并且主動(dòng)推薦給用戶,這是推薦系統(tǒng)所要解決的問(wèn)題和主要任務(wù)。隨著用戶的日益增多,各種門戶網(wǎng)站、電子商務(wù)網(wǎng)站以及各大公司的系統(tǒng)為用戶提供了更多更好的信息服務(wù)。以電子商務(wù)網(wǎng)站為例,面對(duì)多種多樣的網(wǎng)購(gòu)信息,對(duì)于知道自己想要什么的用戶來(lái)說(shuō),可以利用電子商務(wù)網(wǎng)站的搜索引擎查詢自己想要購(gòu)買的產(chǎn)品。但是,往往用戶的需求具有不確定性和模糊性,因?yàn)橛行⿻r(shí)候他們也描述不清自己想要的東西。此時(shí),如果購(gòu)物網(wǎng)站能夠準(zhǔn)確給用戶推薦那些用戶描述不清的商品信息,便能培養(yǎng)用戶對(duì)自己網(wǎng)站的依賴感,為自己的網(wǎng)站帶來(lái)巨額的利潤(rùn),從而能夠在競(jìng)爭(zhēng)激烈的商業(yè)市場(chǎng)站穩(wěn)腳跟。怎樣在海量的信息中找到用戶的需求并推薦給客戶,是各大互聯(lián)網(wǎng)商家面臨的嚴(yán)峻挑戰(zhàn),成為許多學(xué)者和專家的熱門研究課題。在這種商業(yè)驅(qū)動(dòng)和學(xué)術(shù)氛圍的背景下,基于大數(shù)據(jù)的推薦系統(tǒng)應(yīng)用而生。推薦系統(tǒng)能夠很好的解決當(dāng)今互聯(lián)網(wǎng)中“信息過(guò)載”這一棘手問(wèn)題,深受各大公司和電子商務(wù)網(wǎng)站的歡迎。然而推薦系統(tǒng)并不是萬(wàn)能的,面對(duì)互聯(lián)網(wǎng)中越來(lái)越多的不同種類的數(shù)據(jù)與一些越來(lái)越復(fù)雜的應(yīng)用場(chǎng)景,推薦系統(tǒng)也面臨著諸多待解決的問(wèn)題。這些問(wèn)題是一些未被很好解決的理論和應(yīng)用層面上的難題。推薦系統(tǒng)領(lǐng)域研究的熱點(diǎn)主要集中在系統(tǒng)的可擴(kuò)展性,新用戶與新項(xiàng)目的冷啟動(dòng)問(wèn)題,數(shù)據(jù)稀疏問(wèn)題等等[1]。數(shù)據(jù)稀疏問(wèn)題成為推薦系統(tǒng)發(fā)展的一個(gè)瓶頸,該問(wèn)題的存在嚴(yán)重影響了推薦系統(tǒng)的推薦質(zhì)量。如何解決數(shù)據(jù)稀疏問(wèn)題成為保障推薦系統(tǒng)推薦質(zhì)量的關(guān)鍵所在。推薦系統(tǒng)數(shù)據(jù)稀疏性問(wèn)題的產(chǎn)生是因?yàn)槠湓谕扑]的過(guò)程中,需要依賴用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)來(lái)挖掘用戶的愛(ài)好信息,從而向用戶進(jìn)行推薦,該數(shù)據(jù)的依賴量影響著推薦精度。這些依賴的數(shù)據(jù)越多,推薦出來(lái)的結(jié)果就越準(zhǔn)確。但是現(xiàn)實(shí)往往事與愿違,推薦系統(tǒng)的用戶往往會(huì)因?yàn)橐恍┰驔](méi)有留下評(píng)分?jǐn)?shù)據(jù),造成推薦系統(tǒng)可依賴的數(shù)據(jù)量稀少。因此,推薦系統(tǒng)很難依據(jù)數(shù)據(jù)來(lái)找到相似用戶,最終導(dǎo)致推薦系統(tǒng)的準(zhǔn)確度不高,使得目標(biāo)用戶不滿意。本文致力于研究推薦系統(tǒng)的數(shù)據(jù)稀疏性問(wèn)題,在前人研究的基礎(chǔ)之上對(duì)數(shù)據(jù)稀疏性問(wèn)題進(jìn)行了相關(guān)的研究。本文的主要研究工作如下:1、闡述了推薦系統(tǒng)數(shù)據(jù)稀疏性問(wèn)題產(chǎn)生的原因,并分析其給推薦系統(tǒng)推薦精度上帶來(lái)的影響。2、指出了現(xiàn)有階段解決數(shù)據(jù)稀疏性問(wèn)題方法的不足之處。固定填充法沒(méi)有考慮用戶與項(xiàng)目的特征屬性,會(huì)對(duì)推薦準(zhǔn)確性帶來(lái)偏差;矩陣降維法容易丟失有效數(shù)據(jù),使得預(yù)測(cè)出來(lái)的評(píng)分不準(zhǔn)確;Content-based CF沒(méi)有數(shù)據(jù)稀疏問(wèn)題,但是不能夠發(fā)現(xiàn)用戶潛在感興趣的新項(xiàng)目,推薦系統(tǒng)失去意義。3、通過(guò)分析User-based CF和Item-based CF各自的優(yōu)勢(shì)提出了一種結(jié)合傳統(tǒng)CF填充矩陣來(lái)解決推薦系統(tǒng)的數(shù)據(jù)稀疏性問(wèn)題的思想。該思想不僅緩解了推薦系統(tǒng)的數(shù)據(jù)稀疏性問(wèn)題,而且還能夠極大改善推薦系統(tǒng)推薦性能以及提高推薦系統(tǒng)推薦質(zhì)量。4、以Apache Mahout推薦技術(shù)框架以及Movie Lens數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,并和傳統(tǒng)協(xié)同過(guò)濾推薦算法進(jìn)行分析對(duì)比,證實(shí)了新提出的組合傳統(tǒng)CF填充矩陣思想能夠緩解稀疏性問(wèn)題,極大改善推薦系統(tǒng)的推薦質(zhì)量。
[Abstract]:It is well known that the development speed of Internet in recent years is beyond the imagination of people , and the information left by users on the Internet is not counted . How to find the user ' s dependence on the web site by using e - commerce website and recommend it to users is a hot research topic for users . The data sparsity problem is one of the bottlenecks in the development of the recommended system . The problem of data sparsity is the key to the recommendation system ' s recommendation quality .

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉慧婷;陳艷;肖慧慧;;基于用戶偏好的矩陣分解推薦算法[J];計(jì)算機(jī)應(yīng)用;2015年S2期

2 顧立志;;電子商務(wù)推薦系統(tǒng)主要推薦技術(shù)研究[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2014年08期

3 劉傳振;;社會(huì)網(wǎng)絡(luò)服務(wù)中好友推薦算法研究[J];科技傳播;2013年19期

4 曹一鳴;;協(xié)同過(guò)濾推薦瓶頸問(wèn)題綜述[J];軟件;2012年12期

5 黃正;;協(xié)同過(guò)濾推薦算法綜述[J];價(jià)值工程;2012年21期

6 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

7 孫金剛;艾麗蓉;;基于項(xiàng)目屬性和云填充的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)應(yīng)用;2012年03期

8 吳月萍;王娜;馬良;;基于蟻群算法的協(xié)同過(guò)濾推薦系統(tǒng)的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年10期

9 吳一帆;王浩然;;結(jié)合用戶背景信息的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)應(yīng)用;2008年11期

10 龐秀麗;馮玉強(qiáng);姜維;;電子商務(wù)個(gè)性化文檔推薦技術(shù)研究[J];中國(guó)管理科學(xué);2008年S1期

相關(guān)博士學(xué)位論文 前3條

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

2 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問(wèn)題研究及應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

3 張亮;推薦系統(tǒng)中協(xié)同過(guò)濾算法若干問(wèn)題的研究[D];北京郵電大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張曉旭;基于Hadoop的電子商務(wù)推薦系統(tǒng)研究[D];西安工業(yè)大學(xué);2015年

2 李文龍;基于用戶與服務(wù)特征的協(xié)同過(guò)濾推薦研究[D];山東大學(xué);2014年

3 梁雪芬;基于數(shù)據(jù)挖掘的視頻推薦技術(shù)研究[D];電子科技大學(xué);2014年

4 孫遠(yuǎn)帥;基于大數(shù)據(jù)的推薦算法研究[D];廈門大學(xué);2014年

5 戴思;基于可視化知識(shí)框架的視頻推薦系統(tǒng)研究與實(shí)現(xiàn)[D];中南大學(xué);2014年

6 朱文奇;推薦系統(tǒng)用戶相似度計(jì)算方法研究[D];重慶大學(xué);2014年

7 常江;基于Apache Mahout的推薦算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2013年

8 康鐘榮;基于項(xiàng)目分類與預(yù)測(cè)填充的協(xié)同過(guò)濾推薦算法研究[D];北京化工大學(xué);2013年

9 歐鵬杰;模糊聚類算法及其在協(xié)同過(guò)濾推薦中的應(yīng)用[D];中南大學(xué);2013年

10 代金龍;協(xié)同過(guò)濾算法中數(shù)據(jù)稀疏性問(wèn)題研究[D];重慶大學(xué);2013年

，

本文編號(hào)：1441802