協(xié)同過濾算法在電子商務(wù)中是一種有效推薦項目或服務(wù)的方法,比如天貓,亞馬遜等平臺.推薦算法的主要目的是提高推薦精度的同時,使用戶快速地發(fā)現(xiàn)心儀的項目.研究發(fā)現(xiàn),信息過載、信息過期、有效信息稀少等因素是導(dǎo)致推薦不準(zhǔn)確的重要因素.為了更好找到用戶感興趣的項目,本文以提高推薦精度為目標(biāo),通過引入取整的遺忘函數(shù)模擬興趣隨時間的變化規(guī)律并解決信息過期問題.此外,通過多層網(wǎng)絡(luò)動態(tài)聚類模型深度挖掘有效信息解決信息稀少和信息過期問題.(1)基于用戶興趣社區(qū)的個性化動態(tài)推薦算法.隨著時間的流逝,用戶興趣漸漸發(fā)生變化.和近期的信息相比,過時的信息對用戶目前興趣的影響微弱,但合理地利用這些過期信息可以降低數(shù)據(jù)的稀疏度進而提高推薦精度.基于此,本章提出一種基于用戶興趣社區(qū)的個性化推薦算法.該算法較好反映了興趣隨時間的變化規(guī)律及其對推薦精度的影響.首先,我們建立一個新的原始的評分矩陣,將取整的遺忘函數(shù)融入評分矩陣.其次,利用差分方程組將高相似度的用戶或項目聚到相同社區(qū)并且給出了該聚類算法的Lyapunov穩(wěn)定性分析.最后,通過計算相似度,實時預(yù)測未知的信息.在各個真實數(shù)據(jù)集上進行大量的實驗,不同的評價指標(biāo)都證明了...

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 推薦算法研究背景和研究現(xiàn)狀
    1.2 動態(tài)推薦算法研究背景和研究現(xiàn)狀
    1.3 本文的工作安排
第二章 基于用戶興趣社區(qū)的個性化動態(tài)推薦算法
    2.1 動態(tài)協(xié)同過濾算法
        2.1.1 新評分矩陣的建立
        2.1.2 社區(qū)劃分
        2.1.3 理論分析
        2.1.4 評分預(yù)測和推薦
        2.1.5 算法流程
    2.2 實驗過程和結(jié)果
        2.2.1 數(shù)據(jù)集的描述和評價指標(biāo)
        2.2.2 興趣變化因子的選取
        2.2.3 推薦算法結(jié)果的比較
    2.3 本章小結(jié)
第三章 基于多層網(wǎng)絡(luò)動態(tài)聚類協(xié)同過濾推薦算法
    3.1 建立用戶項目屬性的多層網(wǎng)絡(luò)
        3.1.1 用戶層節(jié)點的邊權(quán)矩陣
        3.1.2 項目層節(jié)點的邊權(quán)矩陣
        3.1.3 層間節(jié)點的邊權(quán)矩陣
    3.2 多層網(wǎng)絡(luò)的聚類
    3.3 理論分析
    3.4 基于預(yù)測評分的推薦
        3.4.1 相似度的測量
        3.4.2 Top-N推薦
    3.5 算法流程
    3.6 實驗過程與結(jié)果分析
        3.6.1 評價指標(biāo)
        3.6.2 數(shù)據(jù)集
        3.6.3 推薦算法結(jié)果的比較
    3.7 本章小結(jié)
第四章 總結(jié)與展望
    4.1 總結(jié)
    4.2 展望
參考文獻
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果



本文編號：3780629