隨著信息技術(shù)發(fā)展,“信息過(guò)載”的問題日益嚴(yán)重。電影信息亦是如此,隨著電影資源池的不斷擴(kuò)大,用戶難以快速、準(zhǔn)確的從電影資源池中挑選得到其感興趣的電影。推薦系統(tǒng)的提出緩解了上述問題,協(xié)同過(guò)濾推薦算法在電影推薦領(lǐng)域應(yīng)用較為廣泛且效果顯著。但也有其不足之處,比如:用戶觀影評(píng)分較為稀疏時(shí)該算法難以從中準(zhǔn)確挖掘用戶觀影興趣,難以及時(shí)追蹤用戶隨時(shí)間偏移后的觀影興趣。因此對(duì)該方法的研究和改進(jìn)對(duì)于電影推薦意義重大。本文在該算法基礎(chǔ)上進(jìn)行改進(jìn),具體如下:本文提出了基于項(xiàng)目類及評(píng)分可靠性的協(xié)同過(guò)濾算法,引入電影類別及用戶可靠性,降低數(shù)據(jù)稀疏的影響,提升推薦準(zhǔn)確性。其主要思想是綜合用戶評(píng)分偏好、用戶電影類別偏好,為兩者賦予不同融合參數(shù),實(shí)驗(yàn)獲取最優(yōu)值,然后融合用戶鄰居評(píng)分可靠性,進(jìn)行最終的電影評(píng)分預(yù)測(cè)以及電影推薦。時(shí)間因素對(duì)人的興趣愛好影響較大,本文提出了基于自然遺忘及用戶興趣的協(xié)同過(guò)濾算法,引入遺忘函數(shù)來(lái)解決用戶觀影興趣偏移的問題,及時(shí)追蹤用戶偏移后的觀影興趣。其主要思想是運(yùn)用遺忘函數(shù)為用戶不同時(shí)段興趣賦予不同權(quán)重,增加用戶近期觀影興趣權(quán)重,計(jì)算得到用戶觀影興趣保存量,綜合用戶觀影歷史和觀影興趣保存量計(jì)算得... 

【文章來(lái)源】：西北大學(xué)陜西省 211工程院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

搜索引擎體系結(jié)構(gòu)

搜索引擎的出現(xiàn)，極大的降低了信息爆炸對(duì)用戶尋找有效信息的影響。搜索引擎主要是通過(guò)關(guān)鍵字相關(guān)度進(jìn)行檢索，過(guò)去一段時(shí)間滿足了大部分用戶獲取有效信息的需求，但仍有其缺陷。比如：利用百度查詢“類似戰(zhàn)狼電影”關(guān)鍵字，如圖 2 是搜索引擎的搜索結(jié)果。不難發(fā)現(xiàn)圖 2 結(jié)果不盡如人意，主要有以下的原因：由于搜索引擎的檢索主要依據(jù)用戶輸入的關(guān)鍵字，關(guān)鍵字是否準(zhǔn)確對(duì)于搜索引擎的檢索結(jié)果至關(guān)重要。而準(zhǔn)確提煉出自己的檢索意圖關(guān)鍵字對(duì)于大多數(shù)人具有一定的挑戰(zhàn)性。首先當(dāng)用戶關(guān)鍵字與意圖誤差大、用戶意圖難以提煉出關(guān)鍵字時(shí)，搜索引擎就難以為用戶準(zhǔn)確檢索有效信息；其次，兩個(gè)用戶檢索同樣的關(guān)鍵字，搜索引擎展示給兩者的數(shù)據(jù)是一樣的。然而，這兩個(gè)用戶可能對(duì)這個(gè)關(guān)鍵字理解不一樣，搜索引擎僅僅依賴于關(guān)鍵字，未能綜合用戶興趣深入挖掘用戶意圖，從而難以對(duì)用戶個(gè)性化推薦，展示個(gè)性化的有效信息，用戶體驗(yàn)差[5]。搜索引擎對(duì)于解決信息過(guò)載問題有較大作用，然而搜索引擎存在以上缺點(diǎn)，用戶更希望得到準(zhǔn)確有效的個(gè)性化信息，而非搜索引擎的網(wǎng)頁(yè)鏈接。

第一章 緒論人信息、歷史行為信息以及待推薦物品信息等挖掘出用戶潛在的興趣，然后將與用戶興趣相關(guān)度較高的物品推薦展示給用戶[6]。推薦系統(tǒng)的出現(xiàn)在解決數(shù)據(jù)過(guò)載問題的基礎(chǔ)上，同時(shí)解決了搜索引擎檢索展示給用戶的信息非個(gè)性化這一問題[7]。首先，對(duì)用戶來(lái)說(shuō)推薦系統(tǒng)可以篩選展示符合其需求的有效信息，幫用戶節(jié)省信息篩選時(shí)間；其次，對(duì)于信息提供商來(lái)說(shuō)，可以挖掘用戶興趣，推薦展示更多有效信息給用戶，增加用戶停留時(shí)間，增強(qiáng)用戶粘性，優(yōu)化用戶體驗(yàn)[8]。上述圖 2 是搜索引擎針對(duì)“類似戰(zhàn)狼電影”關(guān)鍵詞的檢索結(jié)果。如圖 3 是騰訊視頻針對(duì)電影戰(zhàn)狼觀看歷史的推薦結(jié)果。通過(guò)對(duì)比圖 2、圖 3 不難發(fā)現(xiàn)，搜索引擎在用戶提供檢索關(guān)鍵詞的基礎(chǔ)上被動(dòng)展示相關(guān)信息給用戶。而推薦系統(tǒng)則依據(jù)用戶歷史行為主動(dòng)提供有針對(duì)性的個(gè)性化服務(wù)[8]。

【參考文獻(xiàn)】：
期刊論文
[1]一種融合聚類與用戶興趣偏好的協(xié)同過(guò)濾推薦算法[J]. 何明,孫望,肖潤(rùn),劉偉世.  計(jì)算機(jī)科學(xué). 2017(S2)
[2]基于用戶對(duì)項(xiàng)目屬性偏好的協(xié)同過(guò)濾算法[J]. 王明佳,韓景倜.  計(jì)算機(jī)工程與應(yīng)用. 2017(06)
[3]基于人口統(tǒng)計(jì)學(xué)的改進(jìn)聚類模型協(xié)同過(guò)濾算法[J]. 王媛媛,李翔.  計(jì)算機(jī)科學(xué). 2017(03)
[4]第39次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》發(fā)布我國(guó)網(wǎng)民達(dá)7.3億[J]. 沈金萍.  傳媒. 2017(03)
[5]一種改進(jìn)的基于內(nèi)容的個(gè)性化推薦模型[J]. 閆東東,李紅強(qiáng).  軟件導(dǎo)刊. 2016(04)
[6]一種結(jié)合關(guān)聯(lián)規(guī)則的協(xié)同過(guò)濾推薦算法[J]. 陳平華,陳傳瑜,洪英漢.  小型微型計(jì)算機(jī)系統(tǒng). 2016(02)
[7]基于項(xiàng)目的協(xié)同過(guò)濾推薦算法的改進(jìn)[J]. 黃典.  中國(guó)科技信息. 2016(01)
[8]大數(shù)據(jù)專題前言[J]. 孟小峰,高宏.  軟件學(xué)報(bào). 2014(04)
[9]基于聯(lián)合聚類平滑的協(xié)同過(guò)濾算法[J]. 韋素云,肖靜靜,業(yè)寧.  計(jì)算機(jī)研究與發(fā)展. 2013(S2)
[10]基于用戶聚類的異構(gòu)社交網(wǎng)絡(luò)推薦算法[J]. 陳克寒,韓盼盼,吳健.  計(jì)算機(jī)學(xué)報(bào). 2013(02)

博士論文
[1]基于協(xié)同過(guò)濾的推薦算法研究[D]. 劉青文.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[2]基于用戶興趣建模的推薦方法及應(yīng)用研究[D]. 劉淇.中國(guó)科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于J2EE輕量級(jí)框架的能源管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 馬研.南昌大學(xué) 2018
[2]中職學(xué)校交互式動(dòng)畫點(diǎn)播平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 江莎.天津大學(xué) 2017
[3]協(xié)同過(guò)濾算法中的相似度計(jì)算與用戶興趣變化問題研究及應(yīng)用[D]. 邱璐.北京郵電大學(xué) 2015
[4]基于用戶興趣的個(gè)性化推薦系統(tǒng)的研究與設(shè)計(jì)[D]. 楊麟兒.北京交通大學(xué) 2008



本文編號(hào)：3385808