本文選題：協(xié)同過(guò)濾 + 用戶行為　； 參考：《西北大學(xué)》2017年碩士論文

【摘要】：互聯(lián)網(wǎng)中與日俱增的信息在給用戶提供諸多方便的同時(shí)也悄然帶來(lái)了“信息過(guò)載”的煩惱。如何更有效地獲取信息,應(yīng)對(duì)信息過(guò)載問題,個(gè)性化推薦系統(tǒng)已成為公認(rèn)最有前途的技術(shù)發(fā)展方向之一。其中,協(xié)同過(guò)濾算法作為近年來(lái)的推薦系統(tǒng)熱點(diǎn)研究方向,在web2.0應(yīng)用中取得了成功。但協(xié)同過(guò)濾算法中存在的數(shù)據(jù)稀疏性、系統(tǒng)擴(kuò)展性和推薦多樣性等問題,尚有待進(jìn)一步研究。本文針對(duì)上述問題,開展相關(guān)研究工作,提出了三種改進(jìn)算法。主要研究工作包括:提出了基于行為相似度的算法。針對(duì)傳統(tǒng)算法使用用戶評(píng)分信息作為輸入數(shù)據(jù)存在數(shù)據(jù)稀疏性問題,選取數(shù)據(jù)量更為豐富的用戶行為數(shù)據(jù)作為輸入,將行為相似度作為用戶或項(xiàng)目近鄰的選擇依據(jù),提出了基于行為相似度的協(xié)同過(guò)濾算法,算法中設(shè)計(jì)了基于行為序列的行為相似度計(jì)算策略和基于圖的行為相似度計(jì)算策略。仿真實(shí)驗(yàn)結(jié)果表明該算法可以緩解數(shù)據(jù)稀疏性的負(fù)面影響,提高推薦結(jié)果的質(zhì)量,體現(xiàn)了算法的有效性。研究了基于行為影響力的算法。在實(shí)際應(yīng)用中,用戶并不總是希望系統(tǒng)推薦相似的項(xiàng)目,有時(shí)更需要一些有關(guān)聯(lián)性的推薦項(xiàng)目。挖掘用戶行為間的影響力,利用影響力來(lái)度量用戶間或項(xiàng)目間的關(guān)聯(lián)關(guān)系,以此作為最終預(yù)測(cè)和推薦的基礎(chǔ)具有可行性,并在仿真實(shí)驗(yàn)結(jié)果中得到了驗(yàn)證。提出了具有時(shí)序多樣性的協(xié)同過(guò)濾優(yōu)化算法。推薦列表的多樣性對(duì)提升用戶體驗(yàn)有著積極和重要的影響。在前兩個(gè)算法的基礎(chǔ)上,引入用戶情境,對(duì)推薦結(jié)果進(jìn)行時(shí)序多樣性優(yōu)化。仿真實(shí)驗(yàn)結(jié)果表明該算法在保持推薦質(zhì)量的同時(shí),顯著提高推薦結(jié)果的多樣性。
[Abstract]:The increasing information in the Internet not only provides users with many convenience, but also quietly brings "information overload" trouble. How to obtain information more effectively and deal with information overload, personalized recommendation system has become one of the most promising technology development direction. Among them, collaborative filtering algorithm, as a hot research direction of recommendation system in recent years, has been successful in web2.0 application. However, the problems of data sparsity, system expansibility and recommendation diversity in collaborative filtering algorithms need to be further studied. In this paper, three improved algorithms are proposed to solve the above problems. The main research work includes: the algorithm based on behavior similarity is proposed. In order to solve the problem of data sparsity in traditional algorithms which use user scoring information as input data, the user behavior data with more abundant data is selected as input, and the behavior similarity is used as the basis for the selection of users or project neighbors. A collaborative filtering algorithm based on behavioral similarity is proposed. A behavioral similarity calculation strategy based on behavior sequence and a behavior similarity calculation strategy based on graph are designed in the algorithm. Simulation results show that the algorithm can alleviate the negative impact of data sparsity, improve the quality of the recommended results, and reflect the effectiveness of the algorithm. The algorithm based on behavioral influence is studied. In practical applications, users do not always want the system to recommend similar items, sometimes they need some related items. It is feasible to mine the influence of user behavior and use it to measure the relationship between users or projects. It is feasible to use it as the basis of final prediction and recommendation, and it is verified in the simulation results. A collaborative filtering optimization algorithm with time series diversity is proposed. The diversity of recommendation lists has a positive and important impact on improving the user experience. On the basis of the first two algorithms, the user situation is introduced to optimize the timing diversity of the recommended results. Simulation results show that the proposed algorithm can significantly improve the diversity of recommendation results while maintaining the quality of recommendations.
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年01期

2 楊風(fēng)召;;一種基于特征表的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

3 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過(guò)濾的智能導(dǎo)購(gòu)系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

5 張富國(guó);;用戶多興趣下基于信任的協(xié)同過(guò)濾算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評(píng)分矩陣的協(xié)同過(guò)濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

7 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過(guò)濾推薦[J];福建電腦;2010年07期

8 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過(guò)濾推薦方法[J];計(jì)算機(jī)工程;2010年20期

9 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過(guò)濾策略改進(jìn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

10 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過(guò)濾算法[J];微計(jì)算機(jī)信息;2011年11期

相關(guān)會(huì)議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過(guò)濾算法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過(guò)濾算法研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過(guò)濾推薦算法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過(guò)濾推薦算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動(dòng)問題的方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過(guò)濾推薦算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

相關(guān)重要報(bào)紙文章 前4條

1 張偉;在用戶行為中尋找靈感[N];中華合作時(shí)報(bào);2014年

2 ;危險(xiǎn)的用戶行為讓網(wǎng)絡(luò)面臨風(fēng)險(xiǎn)[N];網(wǎng)絡(luò)世界;2007年

3 本報(bào)記者 宋麗娜;做安全旗艦品牌[N];網(wǎng)絡(luò)世界;2004年

4 群邑中國(guó)互動(dòng)營(yíng)銷總裁 MMA中國(guó)無(wú)線營(yíng)銷聯(lián)盟聯(lián)席主席 陳建豪;移動(dòng)互聯(lián)催生用戶行為變化[N];第一財(cái)經(jīng)日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過(guò)濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過(guò)濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 段銳;融合文本內(nèi)容與情境信息的協(xié)同過(guò)濾推薦方法研究[D];合肥工業(yè)大學(xué);2017年

5 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過(guò)濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

6 郭艷紅;推薦系統(tǒng)的協(xié)同過(guò)濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

7 羅恒;基于協(xié)同過(guò)濾視角的受限玻爾茲曼機(jī)研究[D];上海交通大學(xué);2011年

8 薛福亮;電子商務(wù)協(xié)同過(guò)濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

9 高e，

本文編號(hào)：1945764