近年來,隨著信息技術和互聯(lián)網技術的飛速發(fā)展,信息量呈現(xiàn)出指數(shù)級的增長,如何從海量信息中找到用戶所需要的,逐漸引起了人們的關注。例如,在互聯(lián)網時代,電商網站發(fā)展迅猛,但用戶也面臨著如何在數(shù)以千萬計的商品中選擇商品的問題。而推薦系統(tǒng)的出現(xiàn),就能解決這一問題。最常見的推薦系統(tǒng),主要的工作原理就是收集用戶所感興趣的物品或者信息,然后將物品或者信息歸類整理,最后將相同類別的推薦給該用戶。推薦系統(tǒng)不僅能夠為用戶節(jié)省選擇時間,提升用戶體驗,同時也能給電商網站帶來更多的收益。本文首先介紹了目前常用的各種推薦系統(tǒng),包括基于協(xié)同過濾的推薦算法、基于內容的推薦算法、基于知識的推薦算法、基于信任的推薦算法和基于混合過濾的推薦算法;詳細的介紹了常見推薦系統(tǒng)存在的問題與挑戰(zhàn),比如冷啟動問題、數(shù)據(jù)稀疏性問題等等;系統(tǒng)的介紹了關于推薦系統(tǒng)中常見的評價指標,比如絕對平均誤差、覆蓋率等等。接著,本文從用戶的角度出發(fā),提出了基于用戶間信任的推薦系統(tǒng)預測方法,該方法利用信任評級的社交網絡來給信任他們的用戶生成推薦。該方法定義了用戶間的信任值,利用信任的傳遞性,通過量化用戶間的信任關系計算信任值來對某個未評分物品進行預測評分,... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

文章結構圖

見推薦算法介紹 基于協(xié)同過濾的推薦于協(xié)同過濾的推薦[34]是在所有推薦方法中運用的最為廣泛的一種。協(xié)同過濾說就是兩個用戶，在過去的一段時間內，選擇了相同或者類似的物品，就可用戶有較高的相似度。在未來的一段時間內，其中一個用戶選擇的一些物品另外一個用戶。于協(xié)同過濾推薦的主要步驟如下，結構如圖 2-1 所示。)數(shù)據(jù)收集；)數(shù)據(jù)分析；)做出推薦。

電大學碩士研究生學位論文 第二章 推薦系統(tǒng)介紹與表 2-1 User-Item 表User/Item itemA itemB itemC itemDuserA √ √userB √userC √ √ √具體的來說，協(xié)同過濾推薦又能夠細分為 3 種：基于 User 的協(xié)同過濾推薦[協(xié)同過濾推薦[36]和基于 model 的協(xié)同過濾推薦[37]。于 User 的協(xié)同過濾推薦的結構如圖 2-2 所示：

【參考文獻】：
期刊論文
[1]基于網絡表示學習的個性化商品推薦[J]. 李宇琦,陳維政,閆宏飛,李曉明.  計算機學報. 2019(08)
[2]LBSN中融合信任與不信任關系的興趣點推薦[J]. 朱敬華,明騫.  通信學報. 2018(07)
[3]基于深度學習的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學報. 2018(07)
[4]社交網絡中基于信任的推薦算法[J]. 劉英南,謝瑾奎,張家利,楊宗源.  小型微型計算機系統(tǒng). 2015(06)
[5]基于內容與社會過濾的好友推薦算法研究[J]. 高永兵,楊紅磊,劉春祥,胡文江.  微型機與應用. 2013(14)
[6]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應用. 2012(07)

碩士論文
[1]基于內容推薦/協(xié)同過濾推薦算法的智能交友網站的設計&實現(xiàn)[D]. 聶帥華.華中師范大學 2015



本文編號：3483839