發(fā)布時間：2020-11-13 07:21

　　 互聯(lián)網(wǎng)的高速發(fā)展過程中,信息過載(Over Loading)現(xiàn)象在生產(chǎn)生活中的弊端日益凸顯。個性化推薦技術(shù)在這個大背景下應(yīng)運而生。近年來,圖數(shù)據(jù)庫、圖模型等依托圖數(shù)據(jù)結(jié)構(gòu)的相關(guān)技術(shù)與算法如火如荼的發(fā)展,為推薦系統(tǒng)領(lǐng)域提供了新的解決思路�；趫D數(shù)據(jù)庫,在推薦系統(tǒng)技術(shù)和算法上發(fā)揮圖數(shù)據(jù)結(jié)構(gòu)的優(yōu)勢。為了解決個性化推薦中協(xié)同過濾推薦算法所遇到的一些問題。本文首先對個性化推薦系統(tǒng)進行了全面的論述,同時闡述了當(dāng)下個性化推薦系統(tǒng)的研究成果以及主流算法;然后基于圖數(shù)據(jù)庫,構(gòu)建用戶、項目二部圖網(wǎng)絡(luò),提出了一種改進的基于用戶的協(xié)同過濾推薦算法,通過降低熱門項目在計算相似度的“干擾”,結(jié)合圖數(shù)據(jù)結(jié)構(gòu)中的度數(shù)以及邊的評分關(guān)系等引入了熱門評估函數(shù)以及時間衰減公式,旨在消除熱門項目對相似用戶造成的誤差。使得用戶之間的相似度更具有參考性。最后在MovieLens標(biāo)準(zhǔn)數(shù)據(jù)集中做仿真對比試驗。實驗結(jié)果顯示,通過改進相似度的計算方法,可以有效地提高推薦系統(tǒng)的召回率與準(zhǔn)確率等。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.3;TP311.12
【部分圖文】：

第 1 章 緒論1 研究背景與意義.1 研究背景在通信和網(wǎng)絡(luò)技術(shù)欠缺的時代，人們獲取信息、知識的主要渠道往往依賴或者文本、圖片等相關(guān)媒介。然而 Internet 的出現(xiàn)，改變了這一切。這種天覆地式、具有劃時代意義的，它真正將地球變成了“地球村”。我們可戶享受來自“互聯(lián)網(wǎng)時代”帶來的便利。從中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報據(jù)不難看出：中國網(wǎng)民規(guī)模和互聯(lián)網(wǎng)的普及率呈現(xiàn)逐年遞增趨勢�；ヂ�(lián)網(wǎng)新時代下人們的一種新的生活方式，像一句詩中所寫“飛入尋常百姓家”

重慶郵電大學(xué)碩士學(xué)位論文 第 1 章 緒論內(nèi)容的推薦；然后提供購買該商品的用戶同時購買了其他商品的集合，很類似基于協(xié)同過濾的推薦。Amazon 不僅會收集用戶的歷史行為信息，也會在第一時間抓取用戶的瀏覽動作給出實時的推薦。如圖 1.2 展示了亞馬遜網(wǎng)站中的推薦模塊界面：

項目數(shù)據(jù)進行個性化推薦算法的選擇。個性化好，然而并不是絕對的，也要“因地制宜”。個性化推薦算法。這樣才可以真正發(fā)揮個性化與展示模塊：推薦結(jié)果展示部分通常以推薦列推薦列表的生成與展示并不是將推薦項目集不加薦效果，而是應(yīng)該有策略、有計劃地去展示推化”的修飾，因此最精確的推薦結(jié)果不一定是才是最好的。推薦結(jié)果展示也要充分考慮用戶性化展示的完美融合。相互配合、相互協(xié)作，共同構(gòu)成一個完整的個故障都將會影響到這個系統(tǒng)的運作和給用戶帶系統(tǒng)的主要模塊以及模塊之間的層級關(guān)系：
【參考文獻】

相關(guān)期刊論文 前10條

1 馮媛媛;王曉東;姚宇;;電子商務(wù)中長尾物品推薦方法[J];計算機應(yīng)用;2015年S2期

2 張國凱;;基于協(xié)同過濾的個性化服務(wù)推薦算法研究[J];軟件導(dǎo)刊;2015年10期

3 張艷梅;王璐;曹懷虎;毛國君;;基于用戶-興趣-項目三部圖的推薦算法[J];模式識別與人工智能;2015年10期

4 馬凱航;高永明;吳止鍰;李磊;;大數(shù)據(jù)時代數(shù)據(jù)管理技術(shù)研究綜述[J];軟件;2015年10期

5 崔春生;賴鍇;陳婕;;基于基元理論的內(nèi)容推薦算法研究[J];系統(tǒng)科學(xué)與數(shù)學(xué);2015年10期

6 莫萍燕;王玉龍;;一種實時推薦系統(tǒng)數(shù)據(jù)發(fā)布平臺的設(shè)計與實現(xiàn)[J];電信網(wǎng)技術(shù);2015年09期

7 廖壽福;林世平;郭昆;;個性化推薦冷啟動算法[J];小型微型計算機系統(tǒng);2015年08期

8 王春才;邢暉;李英韜;;推薦系統(tǒng)評測方法和指標(biāo)分析[J];信息技術(shù)與標(biāo)準(zhǔn)化;2015年07期

9 高虎明;趙鳳躍;;一種融合協(xié)同過濾和內(nèi)容過濾的混合推薦方法[J];現(xiàn)代圖書情報技術(shù);2015年06期

10 丁少衡;姬東鴻;王路路;;基于用戶屬性和評分的協(xié)同過濾推薦算法[J];計算機工程與設(shè)計;2015年02期

本文編號：2881911