隨著智能互聯(lián)網時代的到來,人們迫切需要一些技術手段從海量數(shù)據中自動快速地找到符合用戶感興趣的數(shù)據,個性化推薦技術就此誕生。協(xié)同過濾（Collaborative filtering,CF）算法是推薦技術中最成熟的技術之一。在面對日益增長的大規(guī)模用戶和項目時,由于用戶評分的有限性以及新用戶和新項目的增加,CF算法還存在著一些問題亟需解決。針對CF算法自身存在的缺陷及現(xiàn)有問題解決方法的不足,本文對其進行深入研究,提出改進方案和措施,來實現(xiàn)更精準的推薦。CF算法通過對不同用戶的歷史記錄來挖掘用戶的偏好,然后基于不同的用戶偏好利用相似度對用戶進行群組劃分,并推薦品位相似鄰居喜歡的項目。由于CF算法大部分是基于單一的評分矩陣來度量相似性,而忽略了不同項目評分向量的分布特征以及共同評分過少的用戶數(shù)對相似度計算的影響,同時未考慮評論文本的影響力、評分和評論的一致性以及文本中細粒度方面的情感得分多特征融合對用戶興趣度的影響。鑒于此,本文主要就該算法面臨的數(shù)據稀疏性問題,對相似度和多特征融合方面進行了深入研究。具體本文主要做了以下工作:1.互信息的項目協(xié)同過濾推薦算法研究。相似度計算是CF算法的基礎,而數(shù)... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖２．２基于項目的協(xié)同過濾推薦??（４）混合推薦算法（Ｈｙｂｒｉｄ?Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ＨＲ）??由于各種單一的推薦算法優(yōu)缺點不同，為了彌補算法各自缺點，因此有學者??提出了混合推薦算法

標注：辦理／ＶＶ退房／ＮＮ速度／ＮＮ很／ＡＤ快／ＶＡ?，?／ＰＵ房間／ＮＮ住著／Ｄ?舒服／ＶＡ。／ＰＵ??關系結果：??ｒｃｍｏｄ（速度－３，辦理－１）??ｄｏｂｊ（辦理－１，退房－２）??ｎｓｕｂｊ（快－５，速度－３）??ａｄｖｍｏｄ（快－５，很－４）??ｒｏｏｔ（ＲＯＯＴ－０，快－５）??ｎｎ（住著－８，房間－＊７）??ｎｓｕｂｊ（舒服－１０，住著－８）??ａｄｖｍｏｄ（舒服－１０，挺－９）??ｄｅｐ（快－５，舒服－１０）??分析樹：??ＲＯＯＴ??

徽大學碩士學位論文?第三章互信息的項目協(xié)同過濾推薦算法??（１）數(shù)據的分布特征??對于不同的數(shù)據集或應用場景，其數(shù)據分布可能不同。如對任意兩個項目／和??目＿／，所有用戶對這兩個項目的評分值向量分別為６，和（＾，而這兩個向量的??分值分布可能并不相同。另外，考慮到不同的相似度方法可能適應于不同應用??景的數(shù)據分布。因此需要根據不同場景下數(shù)據的分布特征，選擇一種合適的相??度計算方法，從而達到事半功倍的效果。圖３．１為ＭｏｖｉｅＬｅｎｓｌＯＯｋ數(shù)據集評分??分布條形圖。??

【參考文獻】：
期刊論文
[1]基于信任關系和詞相關關系的冷啟動用戶詞特征重建[J]. 高亨德,王智強,李茹.  中文信息學報. 2018(05)
[2]使用深度長短時記憶模型對于評價詞和評價對象的聯(lián)合抽取[J]. 沈亞田,黃萱菁,曹均闊.  中文信息學報. 2018(02)
[3]評價對象抽取研究綜述[J]. 蔣盛益,郭林東,王連喜,符斯慧.  自動化學報. 2018(07)
[4]基于情感分析和LDA主題模型的協(xié)同過濾推薦算法[J]. 彭敏,席俊杰,代心媛,何炎祥.  中文信息學報. 2017(02)
[5]基于短語句法結構和依存句法分析的情感評價單元抽取[J]. 王娟,曹樹金,謝建國.  情報理論與實踐. 2017(03)
[6]基于用戶模糊相似度的協(xié)同過濾算法[J]. 吳毅濤,張興明,王興茂,李晗.  通信學報. 2016(01)
[7]一種解決新項目冷啟動問題的推薦算法[J]. 于洪,李俊華.  軟件學報. 2015(06)
[8]基于用戶相似度的協(xié)同過濾推薦算法[J]. 榮輝桂,火生旭,胡春華,莫進俠.  通信學報. 2014(02)
[9]基于用戶聚類的異構社交網絡推薦算法[J]. 陳克寒,韓盼盼,吳健.  計算機學報. 2013(02)
[10]協(xié)同過濾推薦瓶頸問題綜述[J]. 曹一鳴.  軟件. 2012(12)

碩士論文
[1]基于用戶畫像的醫(yī)療信息精準推薦的研究[D]. 王智囊.電子科技大學 2016
[2]綜合字典和統(tǒng)計分析的中文分詞系統(tǒng)的研究與實現(xiàn)[D]. 李宏波.武漢理工大學 2010



本文編號：2954524