隨著互聯(lián)網(wǎng)的快速發(fā)展,很多網(wǎng)絡用戶在面對巨大的網(wǎng)絡信息時,很難快速獲取到自己想要的需求信息。為了滿足用戶需求,個性化推薦系統(tǒng)由此產(chǎn)生。在推薦系統(tǒng)中,協(xié)同過濾算法得到了廣泛地應用。然而,協(xié)同過濾算法建立的用戶興趣模型并沒有考慮到用戶興趣會隨外界因素的影響而發(fā)生變化,以及算法中存在的數(shù)據(jù)稀疏和實時性問題,這些問題將會影響推薦系統(tǒng)的推薦質(zhì)量。為了有效解決上述問題,本文主要圍繞用戶興趣捕捉、降低數(shù)據(jù)稀疏度和提升算法實時性三個方面展開具體深入的研究,研究的主要內(nèi)容有:1)本文提出一種基于用戶興趣變化的協(xié)同過濾算法,用于解決協(xié)同過濾算法不能夠實時地捕捉用戶興趣變化問題。該算法通過將用戶項目評分的時間因素和當前時間窗口內(nèi)項目流行度整合到協(xié)同過濾算法中,利用模擬艾賓浩斯遺忘曲線函數(shù)建立時間模型,以及通過統(tǒng)計當前時間窗口內(nèi)用戶對項目的反饋數(shù)量建立項目流行度模型;然后將兩種模型相結合,提出了一種新的評分權重計算模型;最后將評分權重計算模型帶入到用戶間相似度和項目預打分的計算公式中,對評分矩陣中的打分進行加權處理。通過實驗驗證,該算法可以有效地捕捉用戶興趣變化,提高推薦系統(tǒng)的準確率。2)本文提出一種基于用戶... 

【文章來源】：安徽理工大學安徽省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖７不同時間段的用戶興趣變化??Ｆｉｇ７?Ｕｓｅｒ?ｉｎｔｅｒｅｓｔ?ｃｈａｎｇｅｓ?ｏｖｅｒ?ｔｉｍｅ??

項目流行度是指在某一時間段內(nèi)用戶評價或者反饋的數(shù)量，評價的人數(shù)??越多就表示該項目的流行度越高，就可能代表在這個時間段內(nèi)人們的普遍偏好。??圖８表示項目流行度對用戶興趣的影響。??興３?＾……ｕｓｅｒｌ??趣，Ｉ一?／．?——??＾?＊?麵騰―ｕｓｅｒ３??１??—?？?？?ｕｓｅｒ?４??０?；?＇?Ｔ?＊?＇?Ｔ?；??一月?二月?三月?四月?五月?六月??時間??圖８項目流行度對用戶興趣的影響??Ｆｉｇ８?Ｉｍｐａｃｔ?ｏｆ?ｐｒｏｊｅｃｔ?ｐｏｐｕｌａｒｉｔｙ?ｏｎ?ｕｓｅｒ?ｉｎｔｅｒｅｓｔ??圖８表示用戶對某個電影明星主演電影的興趣度，圖中的四條曲線分別表示??在不同時間段內(nèi)ｕｓｅｒｌ、ｕｓｅｒ２、ｕｓｅｒ３和ｕｓｅｒ４對該電影明星主演地電影的興趣變??化，假定以月份作為時間窗口的大小。通過對圖８的分析，可知ｕｓｅｒｌ、ｕｓｅｒ２、??ｕｓｅｒ３在六月份之前對該電影明星主演地電影的興趣度較穩(wěn)定，但是到六月份的時??候ｕｓｅｒｌ、ｕｓｅｒ２、ｕｓｅｒ３都開始對該電影明星主演地電影產(chǎn)生了較高的興趣度，同??時ｕＳｅｒ４在六月份之前一直對該電影明星主演地電影的興趣度很低，但是到了六??月份的時候

艾賓浩斯遺忘曲線是由著名的心理學家Ｈ．Ｅｂｂｉｎｇｈａｕｓ提出的，給出了人類大腦??對新知識遺忘規(guī)律的描述。依據(jù)ＲＥｂｂｉｎｇｈａｕｓ的實驗，可以將記憶的遺忘過程用一??條曲線進行直觀的表現(xiàn)，如圖１４所示。??由前面的分析可知，用戶項目評分矩陣中的項目打分與用戶興趣的關系類似于??人腦記憶的遺忘過程，都是隨著時間的推移表現(xiàn)出指數(shù)下降的形式。因此，可以??利用模擬艾賓浩斯遺忘曲線的公式，計算出用戶－項目評分矩陣各個歷史評分所具??有的時間權重。接下來，給出使用比較普遍的模擬艾賓浩斯遺忘曲線的遺忘函數(shù)，??即牛頓冷卻公式。??－２４－??

【參考文獻】：
期刊論文
[1]一種融合聚類與用戶興趣偏好的協(xié)同過濾推薦算法[J]. 何明,孫望,肖潤,劉偉世.  計算機科學. 2017(S2)
[2]智能推薦算法研究綜述[J]. 張松蘭.  長春師范大學學報. 2017(06)
[3]個性化推薦系統(tǒng)綜述[J]. 劉輝,郭夢夢,潘偉強.  常州大學學報(自然科學版). 2017(03)
[4]基于用戶社會關系的社交網(wǎng)絡好友推薦算法研究[J]. 景楠,王建霞,許皓,卞亦文.  中國管理科學. 2017(03)
[5]基于協(xié)同過濾的個性化微博推薦算法研究[J]. 秦曉暉.  軟件工程. 2017(03)
[6]基于用戶興趣變化的協(xié)同過濾推薦算法[J]. 李道國,何狄江,李連杰.  生產(chǎn)力研究. 2017(01)
[7]網(wǎng)上個性化推薦研究述評與展望[J]. 孫魯平,張麗君,汪平.  外國經(jīng)濟與管理. 2016(06)
[8]結合用戶特征和興趣變化的組推薦系統(tǒng)算法研究[J]. 胡偉健,陳俊,李靈芳,何盛國.  軟件導刊. 2016(06)
[9]基于評分矩陣填充與用戶興趣的協(xié)同過濾推薦算法[J]. 韓亞楠,曹菡,劉亮亮.  計算機工程. 2016(01)
[10]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學報. 2015(06)

博士論文
[1]基于協(xié)同過濾的推薦算法研究[D]. 劉青文.中國科學技術大學 2013
[2]上下文感知推薦系統(tǒng)若干關鍵技術研究[D]. 王立才.北京郵電大學 2012

碩士論文
[1]基于聚類與用戶興趣偏好的協(xié)同過濾推薦技術研究[D]. 孫望.北京工業(yè)大學 2017
[2]面向稀疏數(shù)據(jù)的個性化推薦技術研究[D]. 石教開.西南大學 2016
[3]基于MapReduce的協(xié)同過濾推薦算法研究[D]. 戚麗麗.太原理工大學 2014
[4]基于評論和評分的個性化推薦算法研究[D]. 許景楠.浙江大學 2013



本文編號：3532180