本文關(guān)鍵詞：改進(jìn)型協(xié)同過(guò)濾推薦算法研究

  更多相關(guān)文章： 協(xié)同過(guò)濾 RBF神經(jīng)網(wǎng)絡(luò) 用戶(hù)-項(xiàng)目混合 比例因子

【摘要】：電子商務(wù)的蓬勃發(fā)展改變了用戶(hù)傳統(tǒng)的購(gòu)物模式,網(wǎng)上購(gòu)物模式相比傳統(tǒng)的購(gòu)物模式更加快捷方便,但同時(shí)也面臨著互聯(lián)網(wǎng)信息過(guò)載的問(wèn)題,商品信息過(guò)載要求用戶(hù)在海量的商品信息中尋找到自身感興趣的商品,這就極大的降低了用戶(hù)的購(gòu)物效率。因而,這也成為了當(dāng)今電子商務(wù)中急需解決的重大問(wèn)題之一。個(gè)性化推薦系統(tǒng)根據(jù)用戶(hù)的個(gè)性特征,為用戶(hù)定制個(gè)性化的推薦服務(wù),使用戶(hù)更加快捷方便地獲取到所感興趣的東西,而個(gè)性化推薦算法是系統(tǒng)中最核心的部分。目前,個(gè)性化協(xié)同過(guò)濾推薦算法是應(yīng)用與研究最為廣泛的推薦算法,但該算法自身存在著諸如用戶(hù)評(píng)分?jǐn)?shù)據(jù)稀疏和新用戶(hù)加入時(shí)冷啟動(dòng)等問(wèn)題,所以,現(xiàn)今對(duì)協(xié)同過(guò)濾推薦算法的研究也都主要是圍繞著這兩個(gè)問(wèn)題進(jìn)行。本文的主要工作有以下幾個(gè)方面：(1)針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法中目標(biāo)用戶(hù)的評(píng)分預(yù)測(cè)過(guò)于依賴(lài)鄰近用戶(hù),而忽略目標(biāo)用戶(hù)自身的評(píng)分特性,本文提出了一種基于RBF徑向基神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法。(2)傳統(tǒng)的協(xié)同過(guò)濾推薦算法中的相似度計(jì)算方法在評(píng)分?jǐn)?shù)據(jù)稀疏的情況下易造成偶然性的誤差,本文采用了一種有效的相似度計(jì)算方法,在原有相似度計(jì)算的基礎(chǔ)上加入用戶(hù)間共同評(píng)分項(xiàng)目數(shù)占兩個(gè)用戶(hù)均有過(guò)評(píng)分的項(xiàng)目總數(shù)量的比,進(jìn)一步提高相似度的計(jì)算精度。(3)針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法中單純的使用基于用戶(hù)協(xié)同過(guò)濾或者使用基于項(xiàng)目的協(xié)同過(guò)濾進(jìn)行計(jì)算,而未把兩者綜合起來(lái)共同考慮的問(wèn)題,本文采用了一種用戶(hù)-項(xiàng)目混合的協(xié)同過(guò)濾推薦算法,把基于用戶(hù)的協(xié)同過(guò)濾和基于項(xiàng)目的協(xié)同過(guò)濾通過(guò)比例因子進(jìn)行聯(lián)系起來(lái),共同預(yù)測(cè)評(píng)分結(jié)果。(4)結(jié)合基于RBF徑向基神經(jīng)網(wǎng)絡(luò)對(duì)傳統(tǒng)算法的改進(jìn)和用戶(hù)-項(xiàng)目混合協(xié)同過(guò)濾推薦算法,提出一種基于RBF徑向基神經(jīng)網(wǎng)絡(luò)的用戶(hù)-項(xiàng)目混合協(xié)同過(guò)濾推薦算法,實(shí)驗(yàn)表明,改進(jìn)后算法的平均絕對(duì)偏差值(MAE)比傳統(tǒng)算法的更小,從而可以更有效的為用戶(hù)進(jìn)行個(gè)性化推薦。
【關(guān)鍵詞】：協(xié)同過(guò)濾 RBF神經(jīng)網(wǎng)絡(luò) 用戶(hù)-項(xiàng)目混合 比例因子
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 研究背景與意義8-10
• 1.1.1 研究背景8-9
• 1.1.2 研究意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.3 本文的主要工作12
• 1.4 本文組織結(jié)構(gòu)12-14
• 第二章 相關(guān)理論介紹14-28
• 2.1 個(gè)性化推薦技術(shù)概述及對(duì)比14-18
• 2.1.1 個(gè)性化推薦算法概述14-17
• 2.1.2 個(gè)性化推薦算法對(duì)比17-18
• 2.2 協(xié)同過(guò)濾推薦算法介紹18-22
• 2.2.1 用戶(hù)-項(xiàng)目評(píng)分模型的建立19
• 2.2.2 鄰近集合的建立19-21
• 2.2.3 推薦結(jié)果的計(jì)算21-22
• 2.3 徑向基神經(jīng)網(wǎng)絡(luò)的基本原理22-25
• 2.3.1 人工神經(jīng)網(wǎng)絡(luò)的基本原理22-23
• 2.3.2 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和特點(diǎn)23-25
• 2.4 算法性能評(píng)價(jià)指標(biāo)25-28
• 2.4.1 實(shí)驗(yàn)數(shù)據(jù)集25-26
• 2.4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)26-27
• 2.4.3 實(shí)驗(yàn)環(huán)境27-28
• 第三章 基于RBF神經(jīng)網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦算法28-38
• 3.1 傳統(tǒng)的協(xié)同過(guò)濾推薦算法的缺陷28-30
• 3.2 基于RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)過(guò)濾推薦算法30-34
• 3.2.1 改進(jìn)型協(xié)同過(guò)濾推薦算法提出的依據(jù)30-32
• 3.2.2 算法的設(shè)計(jì)與實(shí)現(xiàn)32-34
• 3.4 實(shí)驗(yàn)的結(jié)果與分析34-38
• 3.4.1 不同評(píng)分?jǐn)?shù)據(jù)密度算法的對(duì)比34-36
• 3.4.2 不同鄰近用戶(hù)數(shù)目算法對(duì)比36-38
• 第四章 基于RBF神經(jīng)網(wǎng)絡(luò)的用戶(hù)-項(xiàng)目混合協(xié)同過(guò)濾推薦算法38-52
• 4.1 傳統(tǒng)相似度計(jì)算方法的改進(jìn)38-39
• 4.2 用戶(hù)-項(xiàng)目混合協(xié)同過(guò)濾算法39-42
• 4.2.1 問(wèn)題描述39-40
• 4.2.2 算法基本思想40
• 4.2.3 比例因子的分解40-42
• 4.3 基于RBF神經(jīng)網(wǎng)絡(luò)的用戶(hù)-項(xiàng)目混合協(xié)同過(guò)濾推薦算法42-43
• 4.3.1 提出依據(jù)42
• 4.3.2 算法的設(shè)計(jì)與實(shí)現(xiàn)42-43
• 4.4 實(shí)驗(yàn)結(jié)果與分析43-52
• 4.4.1 不同評(píng)分?jǐn)?shù)據(jù)稀疏度算法的對(duì)比43-47
• 4.4.2 不同鄰近用戶(hù)數(shù)目推薦算法的對(duì)比47-49
• 4.4.3 不同控制因子下推薦算法的對(duì)比49-50
• 4.4.4 實(shí)驗(yàn)分析與總結(jié)50-52
• 第五章 總結(jié)與展望52-54
• 5.1 工作總結(jié)52
• 5.2 工作展望52-54
• 參考文獻(xiàn)54-58
• 致謝58-59
• 在讀期間發(fā)表的學(xué)術(shù)論文與參與項(xiàng)目59-60
• 附錄60-62
• Appendix62-63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過(guò)濾的智能導(dǎo)購(gòu)系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

4 張富國(guó);;用戶(hù)多興趣下基于信任的協(xié)同過(guò)濾算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶(hù)評(píng)分矩陣的協(xié)同過(guò)濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

6 廖新考;;基于用戶(hù)特征和項(xiàng)目屬性的混合協(xié)同過(guò)濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過(guò)濾推薦方法[J];計(jì)算機(jī)工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶(hù)多興趣的協(xié)同過(guò)濾策略改進(jìn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過(guò)濾算法[J];微計(jì)算機(jī)信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過(guò)濾推薦技術(shù)的個(gè)性化網(wǎng)絡(luò)教學(xué)平臺(tái)研究[J];科技風(fēng);2012年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類(lèi)的協(xié)同過(guò)濾算法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過(guò)濾算法研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類(lèi)迭代的協(xié)同過(guò)濾推薦算法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類(lèi)的協(xié)同過(guò)濾推薦算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類(lèi)別的推薦——一種解決協(xié)同推薦中冷啟動(dòng)問(wèn)題的方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過(guò)濾推薦算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過(guò)濾瓶頸問(wèn)題研究[D];合肥工業(yè)大學(xué);2009年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過(guò)濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

3 羅恒;基于協(xié)同過(guò)濾視角的受限玻爾茲曼機(jī)研究[D];上海交通大學(xué);2011年

4 薛福亮;電子商務(wù)協(xié)同過(guò)濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

5 高e，

本文編號(hào)：712774