信息技術(shù)的革新帶著人們進(jìn)入了信息時(shí)代,但“信息過(guò)載”問(wèn)題制約了人們獲取信息的效率,個(gè)性化推薦系統(tǒng)有效緩解了“信息過(guò)載”問(wèn)題。協(xié)同過(guò)濾算法是目前應(yīng)用最廣泛的推薦算法,但單一的協(xié)同過(guò)濾推薦算法存在著數(shù)據(jù)稀疏、可擴(kuò)展性、冷啟動(dòng)、可解釋性等制約著推薦效果的因素。為了優(yōu)化推薦算法,越來(lái)越多的輔助信息和混合模型引入推薦系統(tǒng)。內(nèi)容信息有助于聯(lián)系用戶(hù)和物品,滿足用戶(hù)更為個(gè)性化的需求,混合模型有助于提高推薦系統(tǒng)性能。加權(quán)Slope One算法作為一種使用線性回歸模型來(lái)預(yù)測(cè)評(píng)分的基于鄰域的協(xié)同過(guò)濾算法其最大優(yōu)勢(shì)是易于實(shí)現(xiàn),原理簡(jiǎn)單,且預(yù)測(cè)的準(zhǔn)確度較高。但該算法未能考慮考慮用戶(hù)之間、物品之間以及用戶(hù)和物品之間的內(nèi)在聯(lián)系,進(jìn)而影響推薦質(zhì)量。針對(duì)以上問(wèn)題,本文在Slope One算法基礎(chǔ)上,分別從矩陣分解思想和輔助內(nèi)容信息的角度的提出相應(yīng)的改進(jìn)算法,以期提高推薦系統(tǒng)的性能。本文主要介紹了3個(gè)方面內(nèi)容:基于非負(fù)矩陣分解的Slope One算法、基于物品相似性的Slope One算法、基于標(biāo)簽基因組的Slope One算法。主要研究?jī)?nèi)容如下:（1）在非負(fù)矩陣分解（NMF）算法中,基于流形學(xué)習(xí)的圖正則化非負(fù)矩陣分解方... 

【文章來(lái)源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率

華東師范大學(xué)碩士學(xué)位論文3達(dá)大學(xué)Sarwar等人發(fā)表了著名的基于物品的協(xié)同過(guò)濾系統(tǒng)一文[2]，同年亞馬遜也發(fā)布了經(jīng)典的Item-Item協(xié)同過(guò)濾算法[3]。電子商務(wù)系統(tǒng)根據(jù)用戶(hù)的購(gòu)買(mǎi)記錄向用戶(hù)推薦商品，這是推薦系統(tǒng)商業(yè)化的重要里程碑。當(dāng)前很多流行的推薦算法都是基于這兩篇論文提出的算法的基礎(chǔ)上進(jìn)行改進(jìn)的。2006年，在線視頻平臺(tái)Netflix舉辦推薦系統(tǒng)大賽，吸引了業(yè)界的廣泛關(guān)注，推薦系統(tǒng)的研究進(jìn)入了一個(gè)新的高潮。在大賽中出現(xiàn)了大量的優(yōu)秀算法，特別是基于隱語(yǔ)義的矩陣分解算法。諸多的頂級(jí)會(huì)議也出現(xiàn)了越來(lái)越多的推薦系統(tǒng)相關(guān)論文。ACM于2007年開(kāi)設(shè)了專(zhuān)門(mén)的推薦系統(tǒng)大會(huì)，WWW，SIGKDD，SIGIR，WSDM等信息檢索和機(jī)器學(xué)習(xí)領(lǐng)域會(huì)議也涌現(xiàn)出一批經(jīng)典的推薦系統(tǒng)論文。在推薦的應(yīng)用形式上，伴隨著移動(dòng)互聯(lián)網(wǎng)和多媒體的發(fā)展，個(gè)性化推薦系統(tǒng)的應(yīng)用場(chǎng)景越來(lái)越豐富，越來(lái)越注重于與用戶(hù)生活場(chǎng)景的交互。目前工業(yè)界的推薦系統(tǒng)應(yīng)用主要分布于電影、電商、新聞推薦、視頻、音樂(lè)、社交網(wǎng)絡(luò)等領(lǐng)域。圖1-2顯示了2019年12月我國(guó)手機(jī)網(wǎng)民常用的各類(lèi)App時(shí)長(zhǎng)情況②，可以看出網(wǎng)絡(luò)視頻、短視頻、網(wǎng)絡(luò)新聞、社交、網(wǎng)絡(luò)文學(xué)、網(wǎng)絡(luò)音樂(lè)等是網(wǎng)民的主要使用場(chǎng)景，也與個(gè)性化推薦系統(tǒng)應(yīng)用領(lǐng)域高度重合。圖1-2各應(yīng)用使用時(shí)長(zhǎng)占比在推薦系統(tǒng)使用的數(shù)據(jù)上，以往主要是使用評(píng)分這一顯式數(shù)據(jù)，隨著推薦系統(tǒng)所提供服務(wù)形式的多元化，越來(lái)越多的輔助信息開(kāi)始被使用。如物品本身的特征信息，物品的標(biāo)簽，用戶(hù)之間廣泛存在的社交關(guān)系。通過(guò)對(duì)這些信息的充分挖掘，系統(tǒng)可以對(duì)用戶(hù)的偏好有更全面的了解進(jìn)而做出更準(zhǔn)的推薦結(jié)果。②http://www.cac.gov.cn/2020-04/27/c_1589535470378587.htm

華東師范大學(xué)碩士學(xué)位論文9第二章推薦系統(tǒng)理論介紹2.1定義與功能2.1.1定義經(jīng)典的推薦問(wèn)題公式化定義：定義用戶(hù)集合，物品集合，評(píng)分可選的分?jǐn)?shù)集（5分制或10分制），物品可以是電影，音樂(lè)，圖書(shū)，餐館等多種形式。用代表一個(gè)目標(biāo)物品對(duì)用戶(hù)的效益函數(shù)即:×→來(lái)預(yù)測(cè)用戶(hù)對(duì)于物品的評(píng)分(,)，這樣就可以通過(guò)以下公式來(lái)衡量用戶(hù)對(duì)于物品的喜好程度：=argmax(,)(∈)(2-1)Vig等人指出[21]，因?yàn)橛脩?hù)和未使用過(guò)的物品間的關(guān)系是未知的，所以推薦系統(tǒng)需要依賴(lài)不同的中介實(shí)體來(lái)聯(lián)系用戶(hù)和物品。如圖2-1所示，可以用三種方式來(lái)聯(lián)系用戶(hù)和物品：第一種是通過(guò)中介物品來(lái)聯(lián)系用戶(hù)和物品。根據(jù)用戶(hù)過(guò)去喜歡的中介物品的類(lèi)型，尋找和該物品相似的其他物品來(lái)推薦給用戶(hù)；第二種是通過(guò)中介用戶(hù)來(lái)聯(lián)系用戶(hù)和物品。尋找和當(dāng)前用戶(hù)有相似的興趣或者有共同好友的其他用戶(hù)，根據(jù)中介用戶(hù)所喜歡的物品的類(lèi)型來(lái)為當(dāng)前用戶(hù)推薦相似的物品；第三種是通過(guò)中介特征來(lái)聯(lián)系用戶(hù)和物品。基于特征的方法將待推薦物品的特征或特征用作中介實(shí)體。比如對(duì)于電影，屬性集合包括導(dǎo)演、主演、類(lèi)型等，對(duì)于音樂(lè)，屬性集合包括專(zhuān)輯、表演者、流派等特征來(lái)做出較為合理的推薦。圖2-1聯(lián)系用戶(hù)和物品的中介實(shí)體

【參考文獻(xiàn)】：
期刊論文
[1]基于非負(fù)矩陣分解的Slope One算法[J]. 董立巖,金佳歡,方塬程,王越群,李永麗,孫銘會(huì).  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(07)
[2]基于概率矩陣分解的用戶(hù)相似度計(jì)算方法及推薦應(yīng)用[J]. 黃淑芹,徐勇,王平水.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2017(11)
[3]融合標(biāo)簽相似度的k近鄰Slope One算法[J]. 張鵬,葛小青.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[4]基于結(jié)構(gòu)投影非負(fù)矩陣分解的協(xié)同過(guò)濾算法[J]. 居斌,錢(qián)沄濤,葉敏超.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2015(07)
[5]基于符號(hào)數(shù)據(jù)與非負(fù)矩陣分解法的混合推薦算法[J]. 郭均鵬,王啟鵬,寧?kù)o,李嬡嬡.  系統(tǒng)管理學(xué)報(bào). 2015(03)
[6]基于時(shí)序行為的協(xié)同過(guò)濾推薦算法[J]. 孫光福,吳樂(lè),劉淇,朱琛,陳恩紅.  軟件學(xué)報(bào). 2013(11)
[7]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[8]不確定近鄰的協(xié)同過(guò)濾推薦算法[J]. 黃創(chuàng)光,印鑒,汪靜,劉玉葆,王甲海.  計(jì)算機(jī)學(xué)報(bào). 2010(08)
[9]基于不同數(shù)據(jù)集的協(xié)作過(guò)濾算法評(píng)測(cè)[J]. 董麗,邢春曉,王克宏.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(04)
[10]公眾分類(lèi)法（Folksonomy）基礎(chǔ)性理論研究[J]. 李文舉.  圖書(shū)館學(xué)研究. 2008(09)

博士論文
[1]基于矩陣分解的個(gè)性化推薦系統(tǒng)[D]. 王科強(qiáng).華東師范大學(xué) 2017
[2]個(gè)性化推薦的可解釋性研究[D]. 張永鋒.清華大學(xué) 2016
[3]投影非負(fù)矩陣分解算法研究及其應(yīng)用[D]. 張翔.國(guó)防科學(xué)技術(shù)大學(xué) 2015

碩士論文
[1]融入用戶(hù)信任和標(biāo)簽的協(xié)同過(guò)濾推薦研究[D]. 吳航.華東師范大學(xué) 2019
[2]矩陣分解在圖像分類(lèi)和聚類(lèi)中的應(yīng)用研究[D]. 龐孟.大連理工大學(xué) 2016
[3]基于多流形正則化非負(fù)矩陣分解的多視圖聚類(lèi)[D]. 趙龍.大連理工大學(xué) 2015



本文編號(hào)：3361958