發(fā)布時間：2021-03-31 21:27

　　隨著互聯(lián)網(wǎng)用戶的激增和移動通信終端的巨大發(fā)展,如何在海量數(shù)據(jù)中獲取到有用的信息,已成為一項亟待解決的難題。推薦系統(tǒng)作為一種信息過濾的重要手段,正是解決這一難題的途徑。推薦系統(tǒng)中的核心技術是推薦算法,而大多數(shù)推薦算法基于評分數(shù)據(jù)采用傳統(tǒng)或者改進的相似度方法挖掘用戶的興趣并為其推薦。雖然這些方法得到了廣泛的應用,但沒有充分利用其它可利用的信息,如標簽、時間因素和位置等。標簽作為聯(lián)系用戶和項目的媒介,可以與評分數(shù)據(jù)相結合,融入到相似度的計算過程中,可以挖掘出更多用戶與項目之間的關聯(lián)信息,從而進一步改善推薦質(zhì)量。為此,本文在評分數(shù)據(jù)的基礎上,考慮標簽信息,并圍繞用戶和項目相似度計算方法提出兩種改進的協(xié)同過濾推薦算法。本文的主要內(nèi)容如下:（1）提出一種基于標簽權重的協(xié)同過濾推薦算法。該算法將標簽信息用于計算用戶間相似度,并與評分數(shù)據(jù)計算的相似度加權,提出了一種新的相似性度量方法。算法有效利用了用戶和標簽信息之間的聯(lián)系,將標簽信息用于區(qū)分用戶間的相似度,提高了目標用戶近鄰選擇的合理性。（2）提出一種融合標簽和評分信息的混合推薦算法。該算法通過引入標簽信息并分別在用戶和項目維度上進行擴展,然后分別對... 

【文章來源】：安徽工業(yè)大學安徽省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖書推薦

圖 2.3 協(xié)同過濾系統(tǒng)的簡單框架(1) 基于用戶的協(xié)同過濾算法基于用戶的協(xié)同過濾推薦算法[72]的基本原理是：通過對目標用戶的興趣偏好分析，搜索與其擁有一樣 或者類似)喜好程度的相關用戶，并向其計算未看過項目的評分值以及產(chǎn)生推薦。也就是說，若目標用戶與其他用戶均對一些項目評過分，就說明他們之間存在共同的相似行為，那么目標用戶也就可能喜歡其他用戶看過的項目，因此就可以在其他用戶看過的所有項目中，從中計算其未看過但可能感興趣項目的評分值以及產(chǎn)生推薦。以 User1 為例，其算法流程圖如圖 2.4所示，從圖中可以看出基于用戶的協(xié)同過濾算法流程圖主要是由以下 3 個步驟組成。

圖 2.3 協(xié)同過濾系統(tǒng)的簡單框架(1) 基于用戶的協(xié)同過濾算法基于用戶的協(xié)同過濾推薦算法[72]的基本原理是：通過對目標用戶的興趣偏好分析，搜索與其擁有一樣 或者類似)喜好程度的相關用戶，并向其計算未看過項目的評分值以及產(chǎn)生推薦。也就是說，若目標用戶與其他用戶均對一些項目評過分，就說明他們之間存在共同的相似行為，那么目標用戶也就可能喜歡其他用戶看過的項目，因此就可以在其他用戶看過的所有項目中，從中計算其未看過但可能感興趣項目的評分值以及產(chǎn)生推薦。以 User1 為例，其算法流程圖如圖 2.4所示，從圖中可以看出基于用戶的協(xié)同過濾算法流程圖主要是由以下 3 個步驟組成。

【參考文獻】：
期刊論文
[1]基于協(xié)同表示學習的個性化新聞推薦[J]. 梁仕威,張晨蕊,曹雷,程軍軍,許洪波,程學旗.  中文信息學報. 2018(11)
[2]一種帶標簽的協(xié)同過濾廣告推薦算法[J]. 金紫嫣,張娟,李向軍,溫海平,張華薇.  計算機工程. 2018(04)
[3]基于內(nèi)容的加權粒度序列推薦算法[J]. 王光,張杰民,董帥含,夏帥.  計算機工程與科學. 2018(03)
[4]嵌入LDA主題模型的協(xié)同過濾推薦算法[J]. 高娜,楊明.  計算機科學. 2016(03)
[5]大數(shù)據(jù)與推薦系統(tǒng)[J]. 李翠平,藍夢微,鄒本友,王紹卿,趙衎衎.  大數(shù)據(jù). 2015(03)
[6]基于用戶-項目的混合協(xié)同過濾算法[J]. 陳彥萍,王賽.  計算機技術與發(fā)展. 2014(12)
[7]基于用戶-標簽-項目語義挖掘的個性化音樂推薦[J]. 李瑞敏,林鴻飛,閆俊.  計算機研究與發(fā)展. 2014(10)
[8]基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J]. 賈冬艷,張付志.  計算機研究與發(fā)展. 2013(05)
[9]分步填充緩解數(shù)據(jù)稀疏性的協(xié)同過濾算法[J]. 張玉芳,代金龍,熊忠陽.  計算機應用研究. 2013(09)
[10]基于TF-IDF相似度的標簽聚類方法[J]. 韓敏,唐常杰,段磊,李川,鞏杰.  計算機科學與探索. 2010(03)

博士論文
[1]基于半監(jiān)督學習的個性化推薦研究[D]. 張宜浩.重慶大學 2014

碩士論文
[1]嵌入標簽信息的評分預測協(xié)同過濾算法研究[D]. 張春霞.南京師范大學 2018
[2]針對稀疏性的協(xié)同過濾優(yōu)化算法研究[D]. 李熠晨.西北大學 2017
[3]基于LM-BP神經(jīng)網(wǎng)絡的推薦算法的研究與應用[D]. 孫倩.北京交通大學 2016
[4]基于標簽的個性化推薦方法研究[D]. 丁亦喆.陜西師范大學 2014



本文編號：3112099