發(fā)布時(shí)間：2021-08-11 06:10

　　本文首先介紹了個(gè)性化推薦系統(tǒng)（Recommendation System,以下簡(jiǎn)稱RS）,介紹了協(xié)同過(guò)濾推薦算法及其局限性。接下來(lái),針對(duì)基于物品的協(xié)同過(guò)濾（Item-CF）和基于用戶的協(xié)同過(guò)濾算法（User-CF）實(shí)現(xiàn)算法改進(jìn)。最后在實(shí)際需求的驅(qū)動(dòng)下,把改進(jìn)后的算法應(yīng)用到基于微信小程序的商品推薦系統(tǒng)中。論文主要工作有以下幾個(gè)方面:1.分析了Item-CF在新物品冷啟動(dòng)中出現(xiàn)的問(wèn)題,提出結(jié)合用戶歷史偏好信息和新物品的相似物品集的方法來(lái)預(yù)測(cè)用戶偏好并向用戶推薦新物品。由于該方法結(jié)合了用戶的歷史記錄和物品的特征信息,能夠使新物品冷啟動(dòng)問(wèn)題得到有效解決。2.對(duì)相似度度量方法進(jìn)行改進(jìn),在物品的每個(gè)特征中加入權(quán)值。而權(quán)重因子大小是通過(guò)計(jì)算物品的每個(gè)特征對(duì)用戶的不確定性來(lái)確定。物品對(duì)用戶的不確定性應(yīng)用信息論中的信息熵來(lái)計(jì)算,在信息熵中通過(guò)對(duì)物品特征進(jìn)行量化,來(lái)計(jì)算物品特征的不確定性。在個(gè)性化推薦系統(tǒng)中,物品某個(gè)特征的不確定性越小,說(shuō)明該物品特征對(duì)于用戶的重要性越高。此方法為相似度計(jì)算提供更有效的解決方案,并且能夠?yàn)樯唐氛业礁鼮楹侠淼南嗨莆锲芳?.針對(duì)User-CF的時(shí)間瓶頸、擴(kuò)展性以及準(zhǔn)確性的問(wèn)題... 

【文章來(lái)源】：天津理工大學(xué)天津市

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)網(wǎng)民規(guī)模早在計(jì)算機(jī)剛剛出現(xiàn)，信息過(guò)濾及檢索就已經(jīng)存在

RS 現(xiàn)如今在互聯(lián)網(wǎng)行業(yè)已經(jīng)成為一個(gè)提升競(jìng)爭(zhēng)力不可獲取的技術(shù)手段。在商品中，通過(guò)充分收集與挖掘用戶歷史行為，并進(jìn)行分析之后，把用戶最有可能購(gòu)列表推送給用戶。最終增加用戶流量和利潤(rùn)。個(gè)性化推薦系統(tǒng)概述RS 對(duì)用戶的歷史行為進(jìn)行充分提取，來(lái)提供個(gè)性化服務(wù)。該系統(tǒng)有時(shí)根據(jù)物排行來(lái)做出推薦，但這種方法在個(gè)性化方面比較差，并不能真正做到因人而異目前，大多數(shù)系統(tǒng)會(huì)由用戶在使用網(wǎng)站過(guò)程中產(chǎn)生的歷史行為來(lái)為用戶建立個(gè)型進(jìn)而完成對(duì)用戶潛在購(gòu)買商品的預(yù)測(cè)。不同于搜索引擎需要用戶用幾個(gè)很準(zhǔn)來(lái)表達(dá)自己需要搜索到的東西，RS 不需要用戶能夠精準(zhǔn)描述需求就可以形成給用戶。目前 RS 廣泛應(yīng)用于各個(gè)領(lǐng)域，RS 能夠?yàn)殡娚唐脚_(tái)提供技術(shù)支持，提高消費(fèi)者和留存度，進(jìn)而促進(jìn)消費(fèi)，達(dá)到雙方共贏。圖 2-1 為網(wǎng)易云音樂(lè)和今日頭條的薦頁(yè)面。

同過(guò)濾推薦算法主要有基于用戶的協(xié)同過(guò)濾（User-CF）[32]tem-CF）[33]。戶的協(xié)同過(guò)濾關(guān)鍵思想是找到當(dāng)前用戶鄰居用戶[34]，綜合鄰居用戶的偏好算目標(biāo)用戶同剩余用戶相似度時(shí)，用戶被一個(gè)包含其歷史評(píng)分近鄰的鄰居群，根據(jù)鄰居的喜好進(jìn)行進(jìn)一步推薦。以下圖用戶表 2-1 用戶-物品表用戶物品物品 A 物品 B 物品 C 物品 D用戶 A √ √用戶 B √用戶 C √ √ √戶-物品表示例，該表包含三個(gè)用戶對(duì)四種物品的偏好選擇薦，A 喜歡物品 A 和 C，C 喜歡物品 A,C,D。那么 A 的鄰居是 D 給 A 推送。其推薦過(guò)程如下圖所示。

【參考文獻(xiàn)】：
期刊論文
[1]國(guó)外網(wǎng)絡(luò)環(huán)境中信息過(guò)載研究進(jìn)展[J]. 郭佳,黃程松.  情報(bào)科學(xué). 2018(07)
[2]一種解決新項(xiàng)目冷啟動(dòng)問(wèn)題的推薦算法[J]. 于洪,李俊華.  軟件學(xué)報(bào). 2015(06)
[3]基于輪廓系數(shù)的聚類有效性分析[J]. 朱連江,馬炳先,趙學(xué)泉.  計(jì)算機(jī)應(yīng)用. 2010(S2)
[4]區(qū)域土地利用結(jié)構(gòu)的信息熵分異規(guī)律研究[J]. 譚永忠,吳次芳.  自然資源學(xué)報(bào). 2003(01)
[5]基于條件信息熵的決策表約簡(jiǎn)[J]. 王國(guó)胤,于洪,楊大春.  計(jì)算機(jī)學(xué)報(bào). 2002(07)



本文編號(hào)：3335612