發(fā)布時(shí)間：2017-08-03 22:02

  本文關(guān)鍵詞：基于用戶行為協(xié)同過(guò)濾推薦算法

  更多相關(guān)文章： 協(xié)同過(guò)濾 聚類 降維 游戲道具 推薦算法

【摘要】：隨著互聯(lián)網(wǎng)的更加普及和信息科技的快速發(fā)展,我們已經(jīng)邁入到信息過(guò)載的時(shí)代,游戲行業(yè)產(chǎn)生的數(shù)據(jù)同樣成指數(shù)級(jí)別增長(zhǎng)。游戲中提供的道具信息量快速增加,用戶經(jīng)常會(huì)迷失在大量的道具信息中,無(wú)法準(zhǔn)確快速地找到自己需要的道具,對(duì)道具推薦系統(tǒng)的需求越來(lái)越迫切。推薦系統(tǒng)扮演了售貨員的角色,通過(guò)向用戶推薦道具,幫助用戶順利購(gòu)買到自己需要的道具。推薦系統(tǒng)具有良好的發(fā)展及應(yīng)用前景,未來(lái)將吸引越來(lái)越多的關(guān)注。協(xié)同過(guò)濾是目前應(yīng)用最為廣泛的推薦系統(tǒng)技術(shù)之一,根據(jù)計(jì)算角度不同將其歸納為基于用戶的協(xié)同過(guò)濾和基于項(xiàng)目的協(xié)同過(guò)濾兩種算法。與傳統(tǒng)的基于內(nèi)容的協(xié)同過(guò)濾單純通過(guò)計(jì)算相似度給出推薦結(jié)果不同,以上兩種協(xié)同過(guò)濾算法重點(diǎn)關(guān)注用戶和項(xiàng)目的關(guān)聯(lián)關(guān)系,將具有相同興趣偏好的相似用戶對(duì)項(xiàng)目的偏愛程度,生成推薦列表,推薦給用戶。在使用協(xié)同過(guò)濾時(shí),仍然有一些問(wèn)題尚待解決：當(dāng)面對(duì)超大規(guī)模數(shù)據(jù)時(shí),協(xié)同過(guò)濾算法面臨著數(shù)據(jù)稀疏、推薦精度和擴(kuò)展性等問(wèn)題。針對(duì)上述問(wèn)題,結(jié)合游戲行業(yè)背景,本文提出了一種改進(jìn)的協(xié)同過(guò)濾算法——基于用戶行為的游戲道具推薦算法。首先,我們使用因子分析對(duì)用戶行為原始數(shù)據(jù)做降維處理,得到若干個(gè)不相關(guān)的復(fù)合屬性。根據(jù)降維得到的用戶屬性,使用k-means聚類算法對(duì)用戶進(jìn)行分類,得到k個(gè)相似用戶的集合。接下來(lái),使用改進(jìn)的協(xié)同過(guò)濾技術(shù)生存推薦集合。協(xié)同過(guò)濾模塊包括兩個(gè)步驟：第一步,提取購(gòu)買相同項(xiàng)目類別道具的用戶-項(xiàng)目類別矩陣；第二步,使用Jaccard距離公式計(jì)算道具和道具類別的相似度；第三步,生成推薦列表,取前N項(xiàng)推薦給用戶。最后,以傳統(tǒng)的基于項(xiàng)目的協(xié)同過(guò)濾算法做對(duì)比實(shí)驗(yàn),驗(yàn)證本文提出的基于用戶行為的游戲道具推薦算法的優(yōu)化效果。在本算法中,使用因子分析對(duì)數(shù)據(jù)降維,提高矩陣密度；通過(guò)將用戶的推薦計(jì)算限定在相似用戶集合中進(jìn)行,有效地解決了算法的可擴(kuò)展性問(wèn)題；由于有相同道具感興趣的用戶具有相似的用戶行為,故而提高了推薦的精度。
【關(guān)鍵詞】：協(xié)同過(guò)濾 聚類 降維 游戲道具 推薦算法
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-12
• 1 緒論12-14
• 1.1 研究背景及意義12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-13
• 1.3 本文研究?jī)?nèi)容13-14
• 2 游戲行業(yè)推薦系統(tǒng)14-29
• 2.1 游戲行業(yè)簡(jiǎn)介14
• 2.2 推薦系統(tǒng)簡(jiǎn)介14-15
• 2.3 協(xié)同過(guò)濾推薦15-22
• 2.3.1 協(xié)同過(guò)濾算法組成模塊16
• 2.3.2 協(xié)同過(guò)濾工作流程16-18
• 2.3.3 協(xié)同過(guò)濾推薦18-21
• 2.3.4 協(xié)同過(guò)濾面臨的挑戰(zhàn)21-22
• 2.4 其他常用推薦算法22-26
• 2.4.1 基于內(nèi)容的推薦算法22-24
• 2.4.2 基于圖的推薦算法24-25
• 2.4.3 貝葉斯網(wǎng)絡(luò)25
• 2.4.4 聚類25-26
• 2.5 推薦系統(tǒng)測(cè)評(píng)標(biāo)準(zhǔn)26-28
• 2.5.1 誤差標(biāo)準(zhǔn)26
• 2.5.2 命中率標(biāo)準(zhǔn)26-27
• 2.5.3 其他標(biāo)準(zhǔn)27-28
• 2.6 本章小結(jié)28-29
• 3 基于用戶行為的游戲道具推薦算法29-36
• 3.1 優(yōu)化背景及目標(biāo)29
• 3.1.1 優(yōu)化背景29
• 3.1.2 優(yōu)化目標(biāo)29
• 3.2 改進(jìn)的協(xié)同過(guò)濾推薦系統(tǒng)29-30
• 3.2.1 新算法的提出29-30
• 3.3 推薦系統(tǒng)框架設(shè)計(jì)30-31
• 3.4 改進(jìn)的推薦算法31-35
• 3.4.1 推薦算法組成模塊31-33
• 3.4.2 算法設(shè)計(jì)和說(shuō)明33-35
• 3.5 本章小結(jié)35-36
• 4 實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析36-49
• 4.1 實(shí)驗(yàn)數(shù)據(jù)36
• 4.2 實(shí)驗(yàn)設(shè)計(jì)36-37
• 4.2.1 度量標(biāo)準(zhǔn)36-37
• 4.2.2 實(shí)驗(yàn)方案37
• 4.3 實(shí)驗(yàn)過(guò)程37-46
• 4.4 實(shí)驗(yàn)結(jié)果46-48
• 4.5 實(shí)驗(yàn)結(jié)果分析48
• 4.6 本章小結(jié)48-49
• 5 總結(jié)與展望49-50
• 5.1 本文總結(jié)49
• 5.2 工作展望49-50
• 參考文獻(xiàn)50-54
• 致謝54-55
• 在學(xué)校期間發(fā)表的學(xué)術(shù)論文及其他科研成果55

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 吳毅濤;張興明;王興茂;李晗;;基于用戶模糊相似度的協(xié)同過(guò)濾算法[J];通信學(xué)報(bào);2016年01期

2 歐陽(yáng)劍;曹紅兵;;基于聯(lián)機(jī)公共檢索目錄的讀者隱性信息行為個(gè)性化書目推薦引擎構(gòu)建[J];情報(bào)理論與實(shí)踐;2012年11期

3 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

4 張猛,王大玲,于戈;一種基于自動(dòng)閾值發(fā)現(xiàn)的文本聚類方法[J];計(jì)算機(jī)研究與發(fā)展;2004年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 毛國(guó)君;數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D];北京工業(yè)大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王霞;協(xié)同過(guò)濾在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];河海大學(xué);2003年

，

本文編號(hào)：616501