十九大以來,互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)不斷發(fā)展,網(wǎng)絡(luò)圖書資源也越來越豐富,但是用戶也很難從海量的書籍中迅速找到滿足自己需求的圖書。為了使用戶能夠快速地獲取到自己喜歡的圖書,個性化推薦算法應(yīng)運而生。常用的個性化推薦算法有基于鄰域的推薦算法、基于內(nèi)容的推薦算法等。但是前者在數(shù)據(jù)量非常大時,用戶-物品評分矩陣會非常稀疏,導(dǎo)致推薦結(jié)果不準確;后者只能解決物品冷啟動問題,而不能解決用戶冷啟動問題。為解決這些問題,本文提出了一種網(wǎng)絡(luò)圖書推薦算法,主要分為召回階段和排序階段。本文在召回階段的推薦算法是在基于鄰域的推薦算法和基于內(nèi)容的推薦算法的基礎(chǔ)上結(jié)合Doc2Vec方法。首先分析了豆瓣讀書平臺的用戶行為數(shù)據(jù),計算出用戶間的興趣偏好相似度、圖書間的內(nèi)容相似度以及用戶興趣偏好與圖書內(nèi)容的相似度,然后再通過這些相似度預(yù)測出用戶對圖書的評分,最后根據(jù)預(yù)測評分的大小為用戶實現(xiàn)個性化推薦。實證分析得出,該算法明顯改善算法的數(shù)據(jù)稀疏性問題,而且推薦結(jié)果的準確性有明顯的提升。雖然召回階段的推薦結(jié)果已經(jīng)得到很大的改善,但其召回率會隨著推薦數(shù)量的減少而大幅度降低。本文提出通過排序階段的算法對召回階段的推薦結(jié)果重排序。首先,通過... 

【文章來源】：西南財經(jīng)大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文研究框架

Content-based的基本流程

User-CF的基本流程

【參考文獻】：
期刊論文
[1]一種基于協(xié)同矩陣分解的用戶冷啟動推薦算法[J]. 高玉凱,王新華,郭磊,陳竹敏.  計算機研究與發(fā)展. 2017(08)
[2]XGBoost算法在電子商務(wù)商品推薦中的應(yīng)用[J]. 張昊,紀宏超,張紅宇.  物聯(lián)網(wǎng)技術(shù). 2017(02)
[3]語義推薦算法研究綜述[J]. 黃震華,張佳雯,張波,喻劍,向陽,黃德雙.  電子學(xué)報. 2016(09)
[4]基于用戶屬性和評分的協(xié)同過濾推薦算法[J]. 丁少衡,姬東鴻,王路路.  計算機工程與設(shè)計. 2015(02)
[5]Personalized Recommendation Algorithm Based on Preference Features[J]. Liang Hu,Guohang Song,Zhenzhen Xie,Kuo Zhao.  Tsinghua Science and Technology. 2014(03)
[6]個性化推薦系統(tǒng)的多樣性研究進展[J]. 安維,劉啟華,張李義.  圖書情報工作. 2013(20)
[7]推薦系統(tǒng)中的冷啟動問題研究綜述[J]. 孫冬婷,何濤,張福海.  計算機與現(xiàn)代化. 2012(05)
[8]基于矩陣分解的協(xié)同過濾算法[J]. 李改,李磊.  計算機工程與應(yīng)用. 2011(30)
[9]兩階段聯(lián)合聚類協(xié)同過濾算法[J]. 吳湖,王永吉,王哲,王秀利,杜栓柱.  軟件學(xué)報. 2010(05)
[10]個性化推薦系統(tǒng)的研究進展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進展. 2009(01)

博士論文
[1]基于協(xié)同過濾技術(shù)的推薦方法研究[D]. 郁雪.天津大學(xué) 2009



本文編號：2964602