本文選題：推薦算法　切入點(diǎn)：協(xié)同過(guò)濾　出處：《北方民族大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：由于互聯(lián)網(wǎng)技術(shù)日新月異的快速發(fā)展,電子商務(wù)已逐漸成為我們生活中不可或缺的一部分。絕大多數(shù)電子商務(wù)平臺(tái)為我們提供了琳瑯滿目的商品,同時(shí)也為消費(fèi)者提供了很多便利的服務(wù)。但是如何為消費(fèi)者提供更加準(zhǔn)確的推薦是當(dāng)前各大電子商務(wù)平臺(tái)急需要解決的問(wèn)題,因此研究新的推薦技術(shù)或改良以前提出的方法也成為了時(shí)下的一個(gè)熱門課題,而推薦技術(shù)中最關(guān)鍵的就是推薦算法的研究。在目前存在眾多的推薦算法中,協(xié)同過(guò)濾推薦算法使用的最多。盡管協(xié)同過(guò)濾推薦應(yīng)用如此之廣,但是隨著注冊(cè)用戶和商品數(shù)量增加,協(xié)同過(guò)濾算法的準(zhǔn)確性和推薦效果變差,有效的解決此問(wèn)題可以提高用戶的忠誠(chéng)度和滿意度�；谝陨涎芯勘尘�,本文的研究主要針對(duì)推薦算法中的協(xié)同推薦算法存在的相似度計(jì)算不準(zhǔn)確的問(wèn)題,提出了一種基于遺忘函數(shù)和項(xiàng)目流行度的改進(jìn)算法,主要思路就是對(duì)艾賓浩斯遺忘函數(shù)和項(xiàng)目流行度因素進(jìn)行改進(jìn)。以傳統(tǒng)的用戶相似度算法為基礎(chǔ),通過(guò)融合以上兩個(gè)條件得到用戶綜合的相似度算法,為用戶推薦其感興趣的產(chǎn)品。最后借助Movielens數(shù)據(jù)集,對(duì)本文提出的推薦方案進(jìn)行檢驗(yàn),并與傳統(tǒng)的推薦算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明本文提出的推薦算法有效的提高了推薦精度。為了更好的檢驗(yàn)本文的推薦效果,本文開發(fā)了一個(gè)推薦算法的WEB應(yīng)用,以更好的提高用戶體驗(yàn)效果。
[Abstract]:With the rapid development of Internet technology, e-commerce has gradually become an indispensable part of our life. At the same time, it also provides a lot of convenient services for consumers. However, how to provide more accurate recommendation to consumers is an urgent problem that each major e-commerce platform needs to solve. Therefore, the research on the new recommendation technology or the improvement of the previous methods has become a hot topic, and the most important part of the recommendation technology is the research of the recommendation algorithm. At present, there are many recommendation algorithms. Although collaborative filtering recommendation is widely used, as the number of registered users and commodities increases, the accuracy and recommendation effect of collaborative filtering algorithm become worse. Solving this problem effectively can improve the loyalty and satisfaction of users. Based on the above research background, this paper mainly focuses on the problem of inaccurate similarity calculation in the collaborative recommendation algorithm. In this paper, an improved algorithm based on forgetting function and item popularity is proposed. The main idea is to improve the Ibinhaus forgetting function and project popularity factors, which is based on the traditional user similarity algorithm. Through the fusion of the above two conditions, the similarity algorithm of user synthesis is obtained to recommend the products of interest to the user. Finally, with the help of Movielens data set, the proposed recommendation scheme is tested and compared with the traditional recommendation algorithm. Experimental results show that the proposed recommendation algorithm effectively improves the recommendation accuracy. In order to better test the recommendation effect, this paper develops a recommendation algorithm WEB application to improve the user experience.
【學(xué)位授予單位】：北方民族大學(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 張應(yīng)輝;司彩霞;;基于用戶偏好和項(xiàng)目特征的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年01期

2 王兆凱;李亞星;馮旭鵬;劉利軍;黃青松;劉曉梅;;基于深度信念網(wǎng)絡(luò)的個(gè)性化信息推薦[J];計(jì)算機(jī)工程;2016年10期

3 付凱麗;;基于社會(huì)化標(biāo)簽的圖書推薦系統(tǒng)模型研究[J];情報(bào)探索;2016年10期

4 馬勇;鮮敏;鄭翔;黎遠(yuǎn)松;;基于Web日志挖掘和相關(guān)性度量的電子商務(wù)推薦系統(tǒng)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2016年08期

5 黃濤;黃仁;張坤;;一種改進(jìn)的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)科學(xué);2016年S1期

6 張勇杰;楊鵬飛;段群;韓麗娜;;基于關(guān)聯(lián)規(guī)則的商品智能推薦算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2016年10期

7 張業(yè)修;;“馬太效應(yīng)”的啟示[J];中國(guó)農(nóng)業(yè)會(huì)計(jì);2016年01期

8 徐蕾;楊成;姜春曉;任勇;;協(xié)同過(guò)濾推薦系統(tǒng)中的用戶博弈[J];計(jì)算機(jī)學(xué)報(bào);2016年06期

9 高娜;楊明;;一種改進(jìn)的結(jié)合標(biāo)簽和評(píng)分的協(xié)同過(guò)濾推薦算法[J];南京師大學(xué)報(bào)(自然科學(xué)版);2015年01期

10 張蕾;;基于哈利波特成功的探討[J];飛天;2011年22期

相關(guān)博士學(xué)位論文 前1條

1 趙向宇;Top-N協(xié)同過(guò)濾推薦技術(shù)研究[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前4條

1 唐瑞;基于內(nèi)容的推薦與協(xié)同過(guò)濾融合的新聞推薦研究[D];重慶理工大學(xué);2016年

2 楊蓉淵;基于動(dòng)態(tài)信任網(wǎng)絡(luò)的情境感知推薦算法的研究[D];東華大學(xué);2016年

3 黃譚;二分圖個(gè)性化推薦算法的改進(jìn)及應(yīng)用[D];廣西大學(xué);2015年

4 宋瑞平;混合推薦算法的研究[D];蘭州大學(xué);2014年

，

本文編號(hào)：1591241