隨著信息2.0時(shí)代的到來(lái),互聯(lián)網(wǎng)的飛速發(fā)展使得人們獲取信息的方式越來(lái)越容易,用戶在面對(duì)海量的數(shù)據(jù)難以快速而準(zhǔn)確的檢索到對(duì)自己有用的信息,即信息過(guò)載問(wèn)題。個(gè)性化推薦系統(tǒng)可以有效的解決信息過(guò)載問(wèn)題,其核心就是推薦算法,而協(xié)同過(guò)濾算法就是一種研究成熟、廣泛應(yīng)用的推薦算法。推薦系統(tǒng)都會(huì)受到數(shù)據(jù)稀疏問(wèn)題的影響,主要通過(guò)用戶相似度計(jì)算的不準(zhǔn)確性來(lái)體現(xiàn)。針對(duì)數(shù)據(jù)稀疏問(wèn)題,本文從用戶預(yù)先聚類和用戶相似度算法改進(jìn)兩個(gè)方面進(jìn)行了研究,分別提出了SKCA算法和RWDS算法,然后再將兩種方法進(jìn)行融合提出了結(jié)合用戶聚類的協(xié)同過(guò)濾推薦算法。從用戶聚類的思考出發(fā),引入了物理學(xué)中的拓?fù)鋭?shì)場(chǎng)理論并通過(guò)拓?fù)鋭?shì)值進(jìn)行用戶重要性表示,針對(duì)K-means聚類算法需要用戶自行確定類別個(gè)數(shù)這一不足,結(jié)合勢(shì)場(chǎng)的影響因子對(duì)K-means算法進(jìn)行改進(jìn)提出了SKCA算法。SKCA算法可以自適應(yīng)的選取聚類中心后計(jì)算出聚類結(jié)果以及各個(gè)類的代表用戶,目標(biāo)用戶只需選擇最近鄰代表用戶所在類中進(jìn)行協(xié)同過(guò)濾推薦,結(jié)合MovieLens數(shù)據(jù)集與其它幾種聚類算法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,SKCA算法可以實(shí)現(xiàn)推薦質(zhì)量的提升。從用戶相似度算法改進(jìn)的思考出發(fā),首先根據(jù)用戶的評(píng)分?jǐn)?shù)據(jù)對(duì)與用戶評(píng)分習(xí)慣相異的反常評(píng)分項(xiàng)給予更高的權(quán)值以實(shí)現(xiàn)對(duì)項(xiàng)目加權(quán),然后在Jaccard相似度僅考慮共同評(píng)分項(xiàng)比重的基礎(chǔ)上加入共同評(píng)分項(xiàng)間差值的考慮以實(shí)現(xiàn)對(duì)相似度算法的改進(jìn),再將兩者綜合起來(lái)提出了RWDS方法。RWDS算法加入了評(píng)分的全局表現(xiàn)并充分利用評(píng)分的專業(yè)意義,結(jié)合MovieLens數(shù)據(jù)集與其它幾種相似度算法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,RWDS算法可以有效提升推薦質(zhì)量。最后,將SKCA方法和RWDS方法進(jìn)行融合,提出了結(jié)合用戶聚類的協(xié)同過(guò)濾推薦算法。通過(guò)與傳統(tǒng)協(xié)同過(guò)濾算法和單獨(dú)的一種改進(jìn)算法進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果表明,結(jié)合用戶聚類的協(xié)同過(guò)濾推薦算法可以有效緩解數(shù)據(jù)稀疏的影響,提升推薦質(zhì)量。
【學(xué)位授予單位】：重慶理工大學(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 李容;李明奇;郭文強(qiáng);;基于改進(jìn)相似度的協(xié)同過(guò)濾算法研究[J];計(jì)算機(jī)科學(xué);2016年12期

2 林康;楊云;秦怡;閔玉涓;;結(jié)合用戶屬性聚類的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)與現(xiàn)代化;2016年07期

3 程芳;沈紅巖;趙艷;;一種有效緩解數(shù)據(jù)稀疏問(wèn)題的協(xié)同過(guò)濾推薦算法[J];現(xiàn)代情報(bào);2016年03期

4 陳海濤;宋姍姍;李同強(qiáng);;基于用戶的改進(jìn)的協(xié)同過(guò)濾推薦算法[J];情報(bào)理論與實(shí)踐;2015年09期

5 王娜;任婷;;移動(dòng)社交網(wǎng)站中的信息過(guò)載與個(gè)性化推薦機(jī)制研究[J];情報(bào)雜志;2015年08期

6 張桂杰;張健沛;楊靜;王帥;;基于拓?fù)鋭?shì)的局部化重疊社區(qū)識(shí)別[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2015年04期

7 韓祺yN;任夢(mèng)吟;文紅;;基于拓?fù)鋭?shì)的P2P社區(qū)推薦信任模型[J];電子與信息學(xué)報(bào);2015年06期

8 于洪;李俊華;;一種解決新項(xiàng)目冷啟動(dòng)問(wèn)題的推薦算法[J];軟件學(xué)報(bào);2015年06期

9 鄭鑫;張韌志;;一種基于模糊C均值聚類的協(xié)同過(guò)濾推薦算法[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

10 王曉耘;錢璐;黃時(shí)友;;基于粗糙用戶聚類的協(xié)同過(guò)濾推薦模型[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2015年01期

相關(guān)博士學(xué)位論文 前2條

1 許應(yīng)楠;面向知識(shí)推薦服務(wù)的消費(fèi)者在線購(gòu)物決策研究[D];南京理工大學(xué);2012年

2 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過(guò)濾算法研究[D];中國(guó)海洋大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 劉金亮;基于主題模型的個(gè)性化新聞推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

本文編號(hào)：1974146