發(fā)布時(shí)間：2022-12-22 19:57

　　推薦系統(tǒng)是解決信息過載問題的一個(gè)重要手段,然而推薦系統(tǒng)長期面臨著數(shù)據(jù)稀疏性以及冷啟動(dòng)等問題。造成這些問題的主要原因有以下兩個(gè)方面:一方面,推薦算法存在模型上的局限,難以對稀疏數(shù)據(jù)進(jìn)行處理;另一方面,推薦算法的參照角度比較單一,對系統(tǒng)中有效信息的挖掘不夠充分,造成冷啟動(dòng)問題,并影響推薦效果�；旌贤扑]算法是目前推薦系統(tǒng)領(lǐng)域的主要研究方向,通過對推薦算法或模型的組合,能一定程度地彌補(bǔ)單一模型存在的缺陷,有效緩解數(shù)據(jù)稀疏性與冷啟動(dòng)問題。針對以上兩方面問題,從混合推薦的角度出發(fā),首先為了彌補(bǔ)推薦模型的局限性,提出一種融合受限玻爾茲曼機(jī)與加權(quán)Slope One算法的混合推薦系統(tǒng),使用基于項(xiàng)目與用戶的實(shí)值受限玻爾茲曼機(jī)對評分矩陣進(jìn)行初步填充,在填充完整的評分矩陣上使用加權(quán)Slope One算法對評分進(jìn)行預(yù)測,以緩解Slope One算法的數(shù)據(jù)稀疏性問題。其次,針對傳統(tǒng)推薦算法未考慮輔助信息對評分的影響,在加權(quán)Slope One的權(quán)值計(jì)算中,針對傳統(tǒng)相似度計(jì)算方法角度單一的問題,在評分相似度的基礎(chǔ)上引入項(xiàng)目類別屬性信息,提出一種基于項(xiàng)目的混合相似度計(jì)算方法。另外,針對冷啟動(dòng)問題,提出一種基于項(xiàng)目類別相... 

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與主要工作
    1.4 論文的組織結(jié)構(gòu)
2 相關(guān)知識(shí)介紹
    2.1 推薦系統(tǒng)簡介
    2.2 推薦系統(tǒng)分類
    2.3 推薦系統(tǒng)相關(guān)方法
    2.4 推薦系統(tǒng)的評價(jià)指標(biāo)
    2.5 本章小結(jié)
3 受限玻爾茲曼機(jī)與加權(quán)Slope One混合推薦算法
    3.1 引言
    3.2 基于受限玻爾茲曼機(jī)的矩陣填充算法
    3.3 使用混合項(xiàng)目相似度的加權(quán)Slope One算法
    3.4 基于項(xiàng)目屬性相似度的評分填充方法
    3.5 受限玻爾茲曼機(jī)與加權(quán)Slope One混合推薦算法
4 實(shí)驗(yàn)與分析
    4.1 數(shù)據(jù)集及實(shí)驗(yàn)方法
    4.2 評估方法
    4.3 實(shí)驗(yàn)環(huán)境
    4.4 基于混合相似度的加權(quán)Slope One算法實(shí)驗(yàn)
    4.5 受限玻爾茲曼機(jī)矩陣填充效果實(shí)驗(yàn)
    4.6 融合受限玻爾茲曼機(jī)與加權(quán)Slope One算法實(shí)驗(yàn)
5 結(jié)論與展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3723943