相似度計(jì)算是基于近鄰的協(xié)同過濾算法流程中的一個(gè)重點(diǎn),其決定了用戶的近鄰,而用戶的近鄰則會(huì)影響到推薦給用戶的項(xiàng)目評分,最終影響到用戶能看到的推薦列表,其方法的有效性會(huì)直接決定推薦結(jié)果的質(zhì)量。傳統(tǒng)的推薦算法在計(jì)算用戶之間的相似度時(shí),需要獲取兩個(gè)用戶評分的項(xiàng)目集合,然后取其交集進(jìn)行下一步計(jì)算,利用評分之間的距離或者是線性關(guān)系去捕捉用戶之間的相似度,無法充分利用評分中的信息。在消費(fèi)類推薦系統(tǒng)中的新用戶冷啟動(dòng)情況下,更是由于共同評分項(xiàng)目的缺乏,無法挖掘用戶的興趣愛好。本文擴(kuò)展了傳統(tǒng)協(xié)同過濾算法中共同評分項(xiàng)目的范圍,提出了相似評分項(xiàng)目的概念,解決了冷啟動(dòng)情況下共同評分項(xiàng)目缺乏的問題;將相似評分項(xiàng)目與從評分?jǐn)?shù)據(jù)中挖掘的用戶共同偏好相結(jié)合,提出了一種基于相似項(xiàng)目和用戶共同偏好的個(gè)性化推薦算法,通過實(shí)驗(yàn)驗(yàn)證,該算法較好地緩解了消費(fèi)類推薦系統(tǒng)中的新用戶冷啟動(dòng)問題。本文主要工作包括:（1）介紹了推薦算法的研究意義,分析了協(xié)同過濾算法以及其中相似度算法的重要性以及當(dāng)前的研究現(xiàn)狀。（2）介紹了主流的推薦算法,分析了它們各自的優(yōu)缺點(diǎn)。（3）分析了推薦系統(tǒng)中冷啟動(dòng)問題出現(xiàn)的原因,以及常見的解決方式。通過介紹用戶之間... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

推斷1Fig3.4FirstInference

推斷2Fig3.5SecondInference

用戶之間共同評分項(xiàng)目數(shù)量占比Fig4.1theProportionofCommonRatingItemsamongusers

【參考文獻(xiàn)】：
期刊論文
[1]一種非對稱相似度矩陣約束的群組協(xié)同過濾算法[J]. 王建芳,谷振鵬,張朋飛,劉永利.  小型微型計(jì)算機(jī)系統(tǒng). 2017(12)
[2]基于非對稱加權(quán)相似度的協(xié)同過濾推薦算法[J]. 劉竹松,歐仕華,黃書強(qiáng).  小型微型計(jì)算機(jī)系統(tǒng). 2017(04)
[3]基于位置的非對稱相似性度量的協(xié)同過濾推薦算法[J]. 王付強(qiáng),彭甫镕,丁小煥,陸建峰.  計(jì)算機(jī)應(yīng)用. 2016(01)
[4]推薦系統(tǒng)中的冷啟動(dòng)問題研究綜述[J]. 孫冬婷,何濤,張福海.  計(jì)算機(jī)與現(xiàn)代化. 2012(05)



本文編號：3083168