信息時代的到來使用戶難以快速獲得對自己有用的數(shù)據(jù),為了從海量的數(shù)據(jù)中幫助用戶獲取有效信息,個性化推薦算法應用而生。它可以根據(jù)用戶的歷史瀏覽記錄、興趣類別以及具體的搜索詞條,針對性地挖掘用戶真正需要的信息,進而為用戶產(chǎn)生推薦。目前,由于協(xié)同過濾算法具有推薦個性化、自動化程度高、能夠有效的利用其他相似用戶的回饋信息、加快個性化學習速度的優(yōu)點,成為推薦搜索算法研究的熱點,但隨著信息量不斷膨脹,此算法存在冷啟動、推薦準確性、數(shù)據(jù)稀疏性和推薦單一性的問題。為解決以上問題,本文提出了基于用戶特征和和項目關聯(lián)度的協(xié)同過濾推薦算法。本文的研究內(nèi)容如下:第一,針對基于用戶的協(xié)同過濾推薦算法僅考慮用戶評分問題,提出了綜合考慮三個方面的關鍵問題來刻畫用戶特征,主要包括:（1）針對冷啟動問題,提出綜合考慮用戶的多方面特征,比如性別、年齡、職業(yè)等,通過將三種特征對相似度的影響按照相應的重要性用權重系數(shù)加權,得到用戶間的屬性特征相似性,實現(xiàn)對新用戶的推薦,改善了冷啟動問題。（2）針對推薦準確率低的問題,提出利用用戶評分建立用戶興趣特征的方法,計算出用戶間的興趣相似度,為用戶推送其喜愛的項目,提高了推薦準確性。（3... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

推薦系統(tǒng)的系統(tǒng)架構

北京工業(yè)大學工程碩士專業(yè)學位論文(4) 用戶相關性推薦系統(tǒng)用戶相關性推薦系統(tǒng)與其他系統(tǒng)的不同之處在于：它不需要用戶手動的輸己感興趣的信息，系統(tǒng)會通過分析用戶對項目的評價來查找與其相似的用戶，然后根據(jù)集合中的評價可以得到要推送用戶對此項目的偏好信息，從而產(chǎn)薦，該推薦系統(tǒng)是自動化的。2 相關推薦算法在推薦系統(tǒng)中，推薦算法是整個系統(tǒng)中的重中之重，影響著整個系統(tǒng)是否用戶提供高質(zhì)量的推送。目前可以把推薦算法分為：基于內(nèi)容的、基于協(xié)同的以及混合推薦[32]，如圖 2-2 所示，本節(jié)將對這幾個常用算法進行詳細介

圖 2-3 基于內(nèi)容的推薦算法原理圖Fig.2-3 Principle of Content-based Recommendation Algorithm通過研究用戶的行為記錄得到他們購買或瀏覽的商品，這戶的偏好，從而為他們提供準確的推薦服務，但在實際幾點問題[34]：析的項目內(nèi)容有限。該算法需要解析項目的基本屬性，種推薦主要是針對文本信息，需要項目有良好的結構性結構的項目難以獲取項目的內(nèi)容信息，因此對這類項目，是很準確。結果不具有新穎性。由于該算法基于用戶的歷史記錄，類的商品。而在現(xiàn)實生活中，為用戶提供潛在興趣的、新商業(yè)價值。的項目范圍太窄。該算法只局限于用戶體驗過或瀏覽過表太局部，不能根據(jù)用戶信息完全的挖掘潛在的用戶需求

【參考文獻】：
期刊論文
[1]一種融合協(xié)同過濾和用戶屬性過濾的混合推薦算法[J]. 曹俊豪,李澤河,江龍,張德剛.  電子設計工程. 2018(09)
[2]海量學術資源個性化推薦綜述[J]. 劉偉,劉柏嵩,王洋洋.  計算機工程與應用. 2018(03)
[3]國內(nèi)外大數(shù)據(jù)推薦算法領域前沿動態(tài)研究[J]. 陳軍,謝衛(wèi)紅,陳揚森.  中國科技論壇. 2018(01)
[4]基于商品屬性值和用戶特征的協(xié)同過濾推薦算法[J]. 高長元,黃凱,王京,張樹臣.  計算機工程與科學. 2017(12)
[5]利用用戶不偏好項目屬性提高項目協(xié)同過濾算法效率和精度[J]. 文詩琪,王成,蘇芳芳,劉技峰,陳葉旺,鄭國旗.  小型微型計算機系統(tǒng). 2017(08)
[6]基于關聯(lián)規(guī)則挖掘的分類隨機游走算法[J]. 施海鷹.  計算機技術與發(fā)展. 2017(09)
[7]基于項目屬性偏好挖掘的協(xié)同過濾推薦算法[J]. 陳穎,侯惠敏.  計算機應用. 2017(S1)
[8]基于用戶評論評分與信任度的協(xié)同過濾算法[J]. 王余斌,王成良,文俊浩.  計算機應用研究. 2018(05)
[9]一種改進的top-N協(xié)同過濾推薦算法[J]. 肖文強,姚世軍,吳善明.  計算機應用研究. 2018(01)
[10]基于用戶偏好和項目特征的協(xié)同過濾推薦算法[J]. 張應輝,司彩霞.  計算機技術與發(fā)展. 2017(01)

碩士論文
[1]基于關聯(lián)規(guī)則優(yōu)化的協(xié)同過濾混合推薦算法研究[D]. 韓志俊.寧夏大學 2018
[2]基于深度學習的協(xié)同過濾算法研究[D]. 王逸鶴.北京工業(yè)大學 2018
[3]基于協(xié)同過濾和屬性關聯(lián)規(guī)則混合推薦算法研究[D]. 魏全彬.西南交通大學 2018
[4]融合信任關系的二重聚類推薦算法研究[D]. 唐同龍.鄭州大學 2016
[5]電子商務推薦系統(tǒng)的關聯(lián)聚類協(xié)同過濾算法研究[D]. 鄒飛.大連海事大學 2015



本文編號：3404206