當(dāng)代Internet急速發(fā)展,電子商務(wù)隨著計(jì)算機(jī)科學(xué)的發(fā)展正在迅速崛起,給予用戶(hù)帶來(lái)便利的同時(shí),信息超載問(wèn)題在智能化演進(jìn)過(guò)程中也越發(fā)凸顯,信息過(guò)濾的智能代理工具——推薦系統(tǒng)（RS）應(yīng)運(yùn)而生。推薦系統(tǒng)收集、學(xué)習(xí)用戶(hù)的信息,研究用戶(hù)的偏好,并為用戶(hù)提供更準(zhǔn)確和全面的信息推薦服務(wù),以便用戶(hù)能夠以最低的成本獲得他想要的信息。通過(guò)整合和優(yōu)化資源贏得用戶(hù)和商家獲得共利局面的個(gè)性化視頻推薦系統(tǒng),協(xié)助用戶(hù)從Internet的龐大數(shù)據(jù)信息中自動(dòng)獲取符合其興趣偏好和需求的視頻,保證用戶(hù)體驗(yàn)的同時(shí)提升商業(yè)利益,實(shí)現(xiàn)資源價(jià)值最大化的呈現(xiàn)。主要工作如下:第一,針對(duì)傳統(tǒng)推薦方法中評(píng)分項(xiàng)目存在的數(shù)據(jù)稀疏問(wèn)題,提出一種基于Funk SVD的改進(jìn)模型。采用隨機(jī)梯度下降法求解最小損失函數(shù)SSE。加入正則化因子提升求解效率并建立對(duì)未評(píng)分項(xiàng)目的偏好預(yù)測(cè)模型,解決數(shù)據(jù)稀疏造成的缺陷,從而提升推薦準(zhǔn)確度;第二,針對(duì)用戶(hù)之間的信任關(guān)系可能對(duì)推薦結(jié)果造成的影響方面,采取把信任關(guān)系作為推薦權(quán)重引入到預(yù)測(cè)評(píng)分中的策略,提高算法在可解釋性推薦方面的精度;第三,針對(duì)傳統(tǒng)算法過(guò)分依賴(lài)歷史數(shù)據(jù)從而誘發(fā)冷啟動(dòng)問(wèn)題,采用把用戶(hù)特征中的年齡和性別分別... 

【文章來(lái)源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－３與ＳＶＤ對(duì)比的ＭＡＥ和ＲＭＳＥ值比較圖??Ｆｉｇ．３－３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ＭＡＥ?ａｎｄ?ＲＭＳＥ?ｖａｌｕｅｓ?ｃｏｍｐａｒｅｄ?ｗｉｔｈ?ＳＶＤ??此外，并對(duì)比不同算法中的評(píng)估指標(biāo)

?北京化工大學(xué)碩士學(xué)位論文???５－４修正的Ｆｕｎｋ?ＳＶＤ相比亦然，最后與基于數(shù)據(jù)中用戶(hù)和項(xiàng)目信息修正的ＣＦ??算法相比，結(jié)果如圖５－５所示，效果有明顯提升。??ＭＳ?０：？??ｉｃｆ?ＩＴ－ＷＳＶＤ－Ｃｆ?藤?ＣＦ?ｉＴ－ＲｊｎｋＳＶＤ＾Ｃｆ??３Ｗ?Ｉ?綱網(wǎng)?１９１?（ＲＭＳＥ）?（ＲＭＳＥ）??＾?Ｉ?，?ｔｔ９０??‘ｌｉｔ?［?ｌｌ?Ｉ?ｉ??５＼?，?？?？?ｓ?，，?ａｏ?＊?Ｋ?Ｕｌ，?１，?？?１．?１０?２０?３０?４０?５０?？）?７０?８０?９０?１００１１０?１２０?１３０?１４０?１５０?１６０??＿?鄰居細(xì)??圖５－３與ＣＦ對(duì)比的ＭＡＥ和ＲＭＳＥ值比較圖??Ｆｉｇ．５－３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ＭＡＥ?ａｎｄ?ＲＭＳＥ?ｖａｌｕｅｓ?ｃｏｍｐａｒｅｄ?ｗｉｔｈ?ＣＦ??０．８４?０．９２??＊Ｔ－ＦｕｎｋＳＶＤ？Ｔ－ＦｕｎｋＳＶ�。耍�?ｉＴ－ＦｕｎｋＳＶＤ？Ｔ－ＦｕｎｋＳＶＤ－ＣＦ??０?８２?｜?｜?＿?＿?０?９?ＰＳＥ）?（ＲＭＳＥ）??０．８?°－９０??ｕｊ?．?＾?ｗ?０＾９?：??＼＼＼Ｗ：?ｆｌ??０７４?Ｉ：?１１?°＊８６?！?｜｜??０７２?Ａｍｉｎ?Ｉ?Ｉ?０８５?驪瞿?瞿??１０?２０?３０?４０?５０?６０?７０?８０?９０?１００１１０?１２０?１３０?１４０?１５０?１６０?１０?２０?３０?４０?５０?６０?７０?８０?９０?１００１１０?１２０?１３０?１４０?１５０?１６０??銀＿?雛數(shù)Ｎ??圖５－４與修正Ｆｕｎｋ?ＳＶＤ對(duì)比的ＭＡＥ和ＲＭＳＥ值比較圖??Ｆｉｇ．５－４?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶(hù)興趣和社交信任的聚類(lèi)推薦算法[J]. 肖曉麗,錢(qián)婭麗,李旦江,譚柳斌.  計(jì)算機(jī)應(yīng)用. 2016(05)
[2]大數(shù)據(jù)與推薦系統(tǒng)[J]. 李翠平,藍(lán)夢(mèng)微,鄒本友,王紹卿,趙衎衎.  大數(shù)據(jù). 2015(03)
[3]一種信任關(guān)系強(qiáng)度敏感的社會(huì)化推薦算法[J]. 郭磊,馬軍,陳竹敏.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[4]基于聯(lián)合概率矩陣分解的上下文廣告推薦算法[J]. 涂丹丹,舒承椿,余海燕.  軟件學(xué)報(bào). 2013(03)
[5]基于項(xiàng)目聚類(lèi)的全局最近鄰的協(xié)同過(guò)濾算法[J]. 韋素云,業(yè)寧,朱健,黃霞,張碩.  計(jì)算機(jī)科學(xué). 2012(12)
[6]基于矩陣分解與用戶(hù)近鄰模型的協(xié)同過(guò)濾推薦算法[J]. 楊陽(yáng),向陽(yáng),熊磊.  計(jì)算機(jī)應(yīng)用. 2012(02)
[7]基于矩陣分解的協(xié)同過(guò)濾算法[J]. 李改,李磊.  計(jì)算機(jī)工程與應(yīng)用. 2011(30)
[8]基于項(xiàng)目聚類(lèi)和評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法研究[J]. 呂曉敏.  中國(guó)管理信息化. 2010(11)
[9]關(guān)聯(lián)規(guī)則挖掘Apriori算法的研究與改進(jìn)[J]. 劉華婷,郭仁祥,姜浩.  計(jì)算機(jī)應(yīng)用與軟件. 2009(01)
[10]基于網(wǎng)頁(yè)語(yǔ)義相似性的商品隱性評(píng)分算法[J]. 陳冬林,聶規(guī)劃,劉平峰.  系統(tǒng)工程理論與實(shí)踐. 2006(11)

博士論文
[1]基于協(xié)同過(guò)濾的推薦算法研究[D]. 劉青文.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[2]協(xié)同過(guò)濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究[D]. 冷亞軍.合肥工業(yè)大學(xué) 2013
[3]推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 任磊.華東師范大學(xué) 2012

碩士論文
[1]基于信任機(jī)制的并行推薦算法研究[D]. 張盼盼.湖南大學(xué) 2017
[2]基于特征的矩陣分解模型[D]. 陳天奇.上海交通大學(xué) 2013
[3]協(xié)同過(guò)濾推薦系統(tǒng)中的關(guān)鍵算法研究[D]. 劉強(qiáng).浙江大學(xué) 2013
[4]個(gè)性化混合推薦算法的研究[D]. 張騰季.浙江大學(xué) 2013
[5]基于信任模型的協(xié)同過(guò)濾推薦算法的研究[D]. 夏小伍.中國(guó)科學(xué)技術(shù)大學(xué) 2011



本文編號(hào)：3328782