隨著科學(xué)技術(shù)和商業(yè)應(yīng)用的快速進(jìn)步,互聯(lián)網(wǎng)已經(jīng)進(jìn)入了人們?nèi)粘Ｉ畹母鱾�角落。迅速普及的互聯(lián)網(wǎng)給人們的生活帶來了許多便利,與此同時對于如何利用互聯(lián)網(wǎng)中龐大的數(shù)據(jù)更好的為人們服務(wù)的研究也從未停下腳步。推薦系統(tǒng)正是誕生于這樣一個互聯(lián)網(wǎng)數(shù)據(jù)爆炸的時代。推薦系統(tǒng)通過分析用戶屬性、用戶歷史行為以及被推薦項目的屬性與內(nèi)容等信息,發(fā)掘用戶的興趣,分析不同用戶以及不同項目的特征,主動的向用戶提供用戶可能感興趣的內(nèi)容。對于用戶而言,推薦系統(tǒng)是一種有效的發(fā)現(xiàn)內(nèi)容的工具,其能夠主動的提供用戶感興趣的內(nèi)容卻不需要額外的操作;對商家而言,推薦系統(tǒng)是一種有效的內(nèi)容分發(fā)工具,可以將最合適的內(nèi)容分發(fā)給最需要它的用戶。在本文中,詳細(xì)介紹了推薦系統(tǒng)的誕生與發(fā)展,對于多種當(dāng)下熱門的推薦算法的基本原理和實現(xiàn)過程進(jìn)行了一個總結(jié)和歸納,比較了不同推薦算法的適用環(huán)境和他們的優(yōu)缺點(diǎn)。其中基于協(xié)同過濾的推薦算法作為當(dāng)前研究最多應(yīng)用最廣的推薦算法之一,在本文中做了詳細(xì)介紹,并在后續(xù)的內(nèi)容中針對協(xié)同過濾推薦算法存在的問題進(jìn)行了深入研究并提出改進(jìn)算法。不斷地提高推薦精度和個性化程度是推薦系統(tǒng)研究的一個重要方向。本文在深入分析協(xié)同過濾推薦算法的原... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

優(yōu)酷網(wǎng)的個性化視頻推薦Fig.1.1YOuku、personali之edy記e

都是一種幫助用戶在互聯(lián)網(wǎng)中的海量信息中發(fā)現(xiàn)用戶需要的信息的工具。但是和??搜索引擎不同的是，推薦系統(tǒng)不需要用戶主動提供對應(yīng)的關(guān)鍵字，而是通過分析??信息本身的內(nèi)容（類別、價格、標(biāo)題、年代等）和用戶歷史行為（點(diǎn)擊、點(diǎn)贊、??評分、轉(zhuǎn)發(fā)等），主動向用戶提供滿足用戶需求或用戶興趣的信息。因此，在某??種程度上可以把推薦系統(tǒng)看作和搜索引擎互補(bǔ)的工具。用戶通過搜索引擎根據(jù)需??求查找信息，推薦系統(tǒng)根據(jù)用戶需求和興趣主動提供信息。在學(xué)術(shù)界，推薦系統(tǒng)??的核心推薦算法有很高的科研價值，大量的學(xué)者在各種學(xué)術(shù)期刊和學(xué)術(shù)會議上發(fā)??表了不計其數(shù)的相關(guān)論文，在工業(yè)界，推薦系統(tǒng)更是深入到各個領(lǐng)域，是很多網(wǎng)??站和Ａｐｐ的必備功能。例如天貓、亞馬遜等電商網(wǎng)站，優(yōu)酷、ＱＱ音樂、Ｎｅｔｆｌｉｘ??等影音娛樂網(wǎng)站，餓了么、去哪網(wǎng)等生活服務(wù)類網(wǎng)站都使用了推薦系統(tǒng)向用戶個??性化的提供服務(wù)。通過大量的使用推薦系統(tǒng)，一方面幫用戶節(jié)約了獲得信息的時??間，獲得了意外的信息發(fā)現(xiàn)。另一方面也給這些網(wǎng)站帶來了更多了流量和利潤，??并且提高了用戶黏性。??ＹＯＵＫＵ?辦狄聽?ｊ？？兒：??

數(shù)據(jù)挖掘、人工智能、數(shù)學(xué)、社會學(xué)以及心理學(xué)等。將這些知識綜合應(yīng)用于推薦??系統(tǒng)，提升推薦系統(tǒng)性能，為用戶提供更好的服務(wù)，是一件具有現(xiàn)實意義的工作。??如圖２．１所示，這是一個推薦系統(tǒng)的結(jié)構(gòu)簡圖。其中推薦算法模塊是推薦系統(tǒng)的??核心。它接受一些相關(guān)信息，利用這些信息得出用戶對不同項目的喜愛程度，將??其中最喜愛的Ｎ個推薦給用戶。通常情況下，推薦算法模塊接受的信息主要包??６??

【參考文獻(xiàn)】：
期刊論文
[1]基于正相關(guān)和負(fù)相關(guān)最近鄰居的協(xié)同過濾算法[J]. 徐怡,唐一民,王冉.  工程科學(xué)與技術(shù). 2018(05)
[2]基于推薦系統(tǒng)時間敏感的因子模型算法研究[J]. 李忠武,王輝,魏再超.  電子商務(wù). 2017(09)
[3]基于時間衰減的協(xié)同過濾推薦算法[J]. 董立巖,王越群,賀嘉楠,孫銘會,李永麗.  吉林大學(xué)學(xué)報(工學(xué)版). 2017(04)
[4]基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦方法[J]. 楊武,唐瑞,盧玲.  計算機(jī)應(yīng)用. 2016(02)
[5]一種融合協(xié)同過濾和內(nèi)容過濾的混合推薦方法[J]. 高虎明,趙鳳躍.  現(xiàn)代圖書情報技術(shù). 2015(06)
[6]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報. 2015(06)
[7]標(biāo)志變異系數(shù)在統(tǒng)計分析中的作用[J]. 王立.  科技與企業(yè). 2014(21)
[8]基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J]. 賈冬艷,張付志.  計算機(jī)研究與發(fā)展. 2013(05)
[9]一種改進(jìn)的基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法[J]. 王茜,段雙艷.  計算機(jī)應(yīng)用研究. 2013(03)
[10]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機(jī)工程與應(yīng)用. 2012(07)

博士論文
[1]基于協(xié)同過濾的推薦算法研究[D]. 劉青文.中國科學(xué)技術(shù)大學(xué) 2013
[2]基于商品屬性的電子商務(wù)推薦系統(tǒng)研究[D]. 胡新明.華中科技大學(xué) 2012

碩士論文
[1]基于用戶興趣和主題模型的混合推薦算法的研究與實現(xiàn)[D]. 胡芳燚.北京郵電大學(xué) 2018
[2]基于用戶行為的電子書籍推薦系統(tǒng)研究[D]. 張驥.安徽理工大學(xué) 2018
[3]基于SVD的協(xié)同過濾推薦算法研究[D]. 陳清浩.西南交通大學(xué) 2015



本文編號：3477578