協(xié)同過濾（CF）是廣泛使用的推薦方法之一,并已在許多領(lǐng)域得到運(yùn)用。該方法基于類似用戶具有相似品味和興趣的假設(shè)。因此,CF使用與被推薦的用戶具有相似品味的用戶的喜好來獲取有用的推薦。為此,用戶在項(xiàng)目上給出的歷史數(shù)據(jù)信息用于首先找到類似的用戶,然后進(jìn)行預(yù)測。CF存在兩個(gè)主要問題:數(shù)據(jù)稀疏性和冷啟動問題。與所有可能的評分相比,數(shù)據(jù)稀疏性是由用戶參與評價(jià)的項(xiàng)目過少引起的。冷啟動問題是指沒有足夠的先前評級歷史記錄的項(xiàng)目（或用戶）。在冷啟動項(xiàng)目（或用戶）下,系統(tǒng)通常無法提供高質(zhì)量的建議。為了緩解以上兩個(gè)問題,本文主要研究內(nèi)容如下:[目的]利用帕累托最優(yōu)概念和信任關(guān)系在推薦過程中獲取用戶的最相似用戶。可以提高傳統(tǒng)協(xié)同過濾推薦中用戶相似性的計(jì)算精度,從而優(yōu)化了類似用戶的聚類效果,讓一些商務(wù)平臺產(chǎn)生更好的推薦結(jié)果,這可以減輕協(xié)同算法中經(jīng)常出現(xiàn)的數(shù)據(jù)稀疏以及冷啟動難題帶來的干擾。[研究內(nèi)容]這篇文章將經(jīng)濟(jì)學(xué)中的帕累托最優(yōu)思維和社會關(guān)系中的信任關(guān)系,考慮到協(xié)同過濾推薦算法中。方法步驟如下:首先,根據(jù)信任關(guān)系確定信任網(wǎng)絡(luò),同時(shí)生成預(yù)測評分集;其次,根據(jù)生成的評分集,計(jì)算調(diào)節(jié)因子,用來改進(jìn)傳統(tǒng)的協(xié)同過濾算法,獲... 

【文章來源】：天津財(cái)經(jīng)大學(xué)天津市

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
內(nèi)容摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 研究內(nèi)容及創(chuàng)新點(diǎn)
    1.4 論文結(jié)構(gòu)
第2章 幾種常見的推薦算法
    2.1 基于內(nèi)容的推薦
        2.1.1 概念簡述
        2.1.2 基于內(nèi)容的推薦算法的優(yōu)缺點(diǎn)
    2.2 基于關(guān)聯(lián)規(guī)則的推薦
        2.2.1 算法概述
        2.2.2 相關(guān)算法
        2.2.3 基于關(guān)聯(lián)規(guī)則算法的優(yōu)缺點(diǎn)
    2.3 基于知識的推薦算法
        2.3.1 基于知識的推薦算法概述
        2.3.2 算法的優(yōu)缺點(diǎn)
    2.4 基于協(xié)同過濾的推薦算法
        2.4.1 算法概述
        2.4.2 相關(guān)算法概述
        2.4.3 基于協(xié)同過濾的推薦算法的優(yōu)缺點(diǎn)
    2.5 組合推薦技術(shù)
        2.5.1 整體式混合設(shè)計(jì)
        2.5.2 并行式混合設(shè)計(jì)
        2.5.3 流水線式混合設(shè)計(jì)
第3章 利用用戶間信任關(guān)系改進(jìn)的協(xié)同過濾推薦方法
    3.1 利用信任關(guān)系的協(xié)同過濾推薦方法文獻(xiàn)綜述
    3.2 利用用戶間信任關(guān)系改進(jìn)的協(xié)同過濾推薦方法
        3.2.1 確定被推薦的用戶信任用戶集合
        3.2.2 生成完整的評分?jǐn)?shù)據(jù)集
        3.2.3 確定最相近的信任用戶和評分預(yù)測
        3.2.4 應(yīng)用案例
第4章 基于Pareto最優(yōu)和信任關(guān)系的協(xié)同過濾算法
    4.1 基于Pareto最優(yōu)的協(xié)同過濾算法研究綜述
    4.2 基于Pareto最優(yōu)改進(jìn)的信任關(guān)系協(xié)同算法
        4.2.1 Pareto最優(yōu)概念
        4.2.2 基于相似值利用帕累托最優(yōu)原則,重建信任網(wǎng)絡(luò)
        4.2.3 評分預(yù)測
        4.2.4 應(yīng)用案例
第5章 實(shí)驗(yàn)分析
    5.1 實(shí)驗(yàn)?zāi)康?br>    5.2 實(shí)驗(yàn)準(zhǔn)備
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)及評價(jià)指標(biāo)
        5.2.2 實(shí)驗(yàn)環(huán)境
    5.3 實(shí)驗(yàn)設(shè)計(jì)方案和結(jié)果
        5.3.1 實(shí)驗(yàn)設(shè)計(jì)
        5.3.2 實(shí)驗(yàn)結(jié)果
第6章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
后記


【參考文獻(xiàn)】：
期刊論文
[1]基于知識圖譜和頻繁序列挖掘的旅游路線推薦[J]. 孫文平,常亮,賓辰忠,古天龍,孫彥鵬.  計(jì)算機(jī)科學(xué). 2019(02)
[2]一種基于用戶的協(xié)同過濾推薦算法[J]. 張雙慶.  電腦知識與技術(shù). 2019(01)
[3]Improve the Collaborative Filtering Recommender System Performance by Trust Network Construction[J]. DU Yongping,DU Xiaoyan,HUANG Liang.  Chinese Journal of Electronics. 2016(03)
[4]協(xié)同過濾推薦算法的改進(jìn)——帕累托最優(yōu)視角[J]. 焦媛媛,熊劍芳,沈志鋒.  工業(yè)工程與管理. 2015(06)
[5]基于用戶信任和張量分解的社會網(wǎng)絡(luò)推薦[J]. 鄒本友,李翠平,譚力文,陳紅,王紹卿.  軟件學(xué)報(bào). 2014(12)
[6]結(jié)合信任的推薦系統(tǒng)的性質(zhì)[J]. 龍宇,童向榮.  計(jì)算機(jī)應(yīng)用. 2014(01)
[7]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)
[8]電子商務(wù)個(gè)性化推薦研究[J]. 余力,劉魯.  計(jì)算機(jī)集成制造系統(tǒng). 2004(10)
[9]基于項(xiàng)目評分預(yù)測的協(xié)同過濾推薦算法[J]. 鄧愛林,朱揚(yáng)勇,施伯樂.  軟件學(xué)報(bào). 2003(09)

碩士論文
[1]基于混合模型的推薦系統(tǒng)的研究[D]. 張濱.吉林大學(xué) 2018
[2]基于關(guān)聯(lián)規(guī)則優(yōu)化的協(xié)同過濾混合推薦算法研究[D]. 韓志俊.寧夏大學(xué) 2018
[3]融合帕累托占優(yōu)的增強(qiáng)協(xié)同過濾方法研究[D]. 劉艷.西華大學(xué) 2015



本文編號：3173980