個(gè)性化推薦技術(shù)主動(dòng)向用戶推薦其可能感興趣的物品集合,是緩解信息過(guò)載問題的有效手段,對(duì)于大數(shù)據(jù)背景下互聯(lián)網(wǎng)應(yīng)用具有重要意義。協(xié)同過(guò)濾是目前應(yīng)用最廣泛、最成功的推薦算法,獲得了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注并取得了一定的成果,但是仍然存在評(píng)分稀疏性而導(dǎo)致的相似度計(jì)算和鄰居選取欠準(zhǔn)確的問題,影響推薦效果。本文針對(duì)協(xié)同過(guò)濾算法存在的評(píng)分?jǐn)?shù)據(jù)稀疏性展開相關(guān)研究,以期獲得更好的推薦質(zhì)量。本文主要的研究?jī)?nèi)容包括:1.針對(duì)現(xiàn)有的協(xié)同過(guò)濾方法在計(jì)算項(xiàng)目相似度時(shí)大多使用用戶項(xiàng)目評(píng)分信息,忽略了項(xiàng)目標(biāo)簽信息的情況,提出一種結(jié)合評(píng)分和標(biāo)簽的協(xié)同過(guò)濾推薦算法。該算法在項(xiàng)目協(xié)同過(guò)濾的基礎(chǔ)上,引入項(xiàng)目標(biāo)簽數(shù)據(jù),利用項(xiàng)目標(biāo)簽隸屬度和項(xiàng)目受歡迎程度計(jì)算項(xiàng)目間的相關(guān)性,并基于評(píng)分和標(biāo)簽改進(jìn)了相似度計(jì)算策略。實(shí)驗(yàn)結(jié)果表明該算法優(yōu)于現(xiàn)有的一些改進(jìn)算法。2.針對(duì)目前協(xié)同過(guò)濾算法大都是基于評(píng)分?jǐn)?shù)據(jù)產(chǎn)生綜合興趣,忽略了用戶偏好的側(cè)重點(diǎn)的問題,提出一種基于標(biāo)簽興趣度的協(xié)同過(guò)濾算法。該算法通過(guò)用戶標(biāo)簽使用頻度和用戶標(biāo)簽評(píng)分共同分析用戶對(duì)標(biāo)簽的興趣度,以衡量用戶偏好的側(cè)重點(diǎn),利用修正的標(biāo)簽興趣度改進(jìn)相似度計(jì)算方法。實(shí)驗(yàn)結(jié)果表明所提出的算法提高... 

【文章來(lái)源】：西北大學(xué)陜西省 211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

全球數(shù)據(jù)圈的年規(guī)模

度上表示了用戶的偏好[50]，例如 5 分表示用戶對(duì)該項(xiàng)目非常感戶對(duì)該項(xiàng)目不是很感興趣。然而，在實(shí)際應(yīng)用場(chǎng)景中通常面臨幾分的問題，而是對(duì)于推薦的項(xiàng)目列表，用戶是否會(huì)對(duì)其評(píng)分op-N 的推薦方式[51]。協(xié)同過(guò)濾算法同過(guò)濾的核心部分，通過(guò)分析用戶的歷史評(píng)價(jià)行為，尋找相似近鄰對(duì)其偏好進(jìn)行預(yù)測(cè)，協(xié)同過(guò)濾算法一般分為 UBCF 和 IB戶的協(xié)同過(guò)濾算法基本假設(shè)是：目標(biāo)用戶會(huì)對(duì)其“鄰居群”感興趣的內(nèi)容，也產(chǎn)的核心是將與用戶的相關(guān)性度量值較高的作為近鄰集合，將他評(píng)價(jià)的內(nèi)容推薦給該用戶。

圖4 IBCF 的推薦原理了 IBCF 的基本原理，假設(shè)系統(tǒng)中用戶集合 U UA, UB,UC， 3,B4，其中UA 是目標(biāo)用戶，推薦算法就是要為UA 推薦其可能B1 被UA和UC 喜歡，B2 被 和UC 喜歡， B3 被UB和 喜目標(biāo)用戶 喜歡過(guò)的 B1 和 B2 相似的物品是 B3 ，因此將與 沒有選擇過(guò)的 推薦給 。目的相關(guān)性時(shí)，參考用戶相似度的計(jì)算方法，可將目標(biāo)對(duì)象由換成評(píng)價(jià)過(guò)該項(xiàng)目的用戶集合。例如，在余弦相似度計(jì)算中項(xiàng)戶空間上的向量并進(jìn)行相似度計(jì)算。將與項(xiàng)目i 間相似度最大的前K 個(gè)項(xiàng)目作為其近鄰集合，記作公式（2.6）所示。( ) ujsimijr,

【參考文獻(xiàn)】：
期刊論文
[1]基于標(biāo)簽信息特征相似性的協(xié)同過(guò)濾個(gè)性化推薦[J]. 何明,要?jiǎng)P升,楊芃,張久伶.  計(jì)算機(jī)科學(xué). 2018(S1)
[2]基于用戶情境和時(shí)序多樣性的協(xié)同過(guò)濾優(yōu)化算法[J]. 林皓,陳莉,蘭小艷,張玨,尹化榮.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[3]基于矩陣填充和物品可預(yù)測(cè)性的協(xié)同過(guò)濾算法[J]. 潘濤濤,文鋒,劉勤讓.  自動(dòng)化學(xué)報(bào). 2017(09)
[4]采用信任網(wǎng)絡(luò)增強(qiáng)的協(xié)同過(guò)濾算法[J]. 李熠晨,陳莉,石晨晨,蘭小艷.  計(jì)算機(jī)應(yīng)用研究. 2018(01)
[5]一種基于信任關(guān)系隱含相似度的社會(huì)化推薦算法[J]. 潘一騰,何發(fā)智,于海平.  計(jì)算機(jī)學(xué)報(bào). 2018(01)
[6]基于社交標(biāo)簽和社交信任的概率矩陣分解推薦算法[J]. 王升升,趙海燕,陳慶奎,曹健.  小型微型計(jì)算機(jī)系統(tǒng). 2016(05)
[7]基于標(biāo)簽權(quán)重評(píng)分的推薦模型及算法研究[J]. 孔欣欣,蘇本昌,王宏志,高宏,李建中.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[8]一種解決新項(xiàng)目冷啟動(dòng)問題的推薦算法[J]. 于洪,李俊華.  軟件學(xué)報(bào). 2015(06)
[9]結(jié)合用戶評(píng)分和項(xiàng)目標(biāo)簽的協(xié)同過(guò)濾算法[J]. 程高偉,丁亦喆,吳振強(qiáng).  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(03)
[10]基于位置的社會(huì)化網(wǎng)絡(luò)推薦系統(tǒng)[J]. 劉樹棟,孟祥武.  計(jì)算機(jī)學(xué)報(bào). 2015(02)



本文編號(hào)：3464526