互聯(lián)網(wǎng)的快速發(fā)展使人們從當初的信息匱乏時代邁入了信息過載的時代。在電影為代表的互聯(lián)網(wǎng)視頻資源信息平臺中,傳統(tǒng)的搜索引擎通過關(guān)鍵字來獲取信息,如果關(guān)鍵字的準確度高則可能得到自己想要的答案,如果準確度不高,那么搜索結(jié)果就會出現(xiàn)大量選項信息,用戶不僅會花費大量時間,而且不一定能得到自己需要的信息,因此,通過輸入關(guān)鍵字搜索技術(shù)已滿足不了用戶個性化的需求。個性化網(wǎng)絡時代是希望系統(tǒng)能從用戶的數(shù)據(jù)中分析用戶的行為,發(fā)掘用戶的興趣偏好,為用戶找出符合其需求的信息資源。推薦系統(tǒng)的出現(xiàn)滿足了用戶的這一需求。首先,本文分析了國內(nèi)外相關(guān)文獻資料,了解到早期的推薦技術(shù)是通過用戶對物品的評分,得到評分矩陣建立相似性來劃分近鄰,依據(jù)與他相鄰的用戶喜好也類似的思想,完成推薦。然而,隨著電影數(shù)量不斷的增加,用戶僅對少量電影進行評分,建立的評分矩陣較稀疏,導致推薦算法的準確度下降。因此,本文通過組合策略的思想來對電影推薦進行研究。然后,文章介紹了目前廣泛應用的幾種推薦技術(shù)。講述了這幾種推薦技術(shù)研究的內(nèi)容及應用現(xiàn)狀,針對稀疏數(shù)據(jù)推薦效果不佳問題,利用GroupLens提供的MovieLens 20m數(shù)據(jù)集,設計了改進的基于... 

【文章來源】：天津商業(yè)大學天津市

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

基于人口統(tǒng)計學的推薦Figure2-1Recommendationsbasedondemographics基于人口統(tǒng)計學推薦的優(yōu)點：

第二章 推薦系統(tǒng)及其相關(guān)技術(shù)性較低，用戶的興趣隨著時間很可能會動態(tài)的發(fā)生變化，但是入很大程度上就不會改變。一些品味獨特的用戶可能得不到很好的推薦。內(nèi)容的推薦容的推薦是通過用戶以往的行為數(shù)據(jù)進行分析，為用戶推薦與容上非常類似的物品。沒有利用其他用戶的數(shù)據(jù)進行分析，因響，也不存在數(shù)據(jù)稀疏性的問題，并且能夠為少數(shù)有特殊偏好用戶 A 喜歡動作和冒險類電影，那么當出現(xiàn)類型相同的電影 C推薦原理如圖 2-2 所示。

薦的物品與用戶以往選擇的物品在特征上具有相似性，因此，法推薦。并且對于圖片，音頻和視頻等非文本類信息無法處理濾推薦是人們研究及生活應用中較多的個性化推薦技術(shù)，算法思想是有相似興趣的鄰居，給目標用戶推薦其鄰居用戶所喜愛的項目樣的項目，提高新穎性和用戶滿意度[12]。本文將講述協(xié)同過濾用戶的協(xié)同過濾算法和基于項目的協(xié)同過濾算法。協(xié)同過濾統(tǒng)中，基于用戶的協(xié)同過濾算法是提出比較早的算法。算法對物品的評分數(shù)據(jù)來建立用戶-項目評分矩陣，之后計算系統(tǒng)戶，將這些近鄰用戶的評價綜合起來產(chǎn)生一個推薦，將其中未給用戶。比如，用戶 A 喜歡電影 A、C，用戶 C 喜歡電影 A、為用戶 A 和用戶 C 相似，那么可以推薦用戶 A 看沒看過的電-3 所示。

【參考文獻】：
期刊論文
[1]基于奇異值分解和項目屬性的推薦算法[J]. 張建軍,陸國生,劉征宇.  合肥工業(yè)大學學報(自然科學版). 2018(06)
[2]基于聚類的隱式用戶興趣建模[J]. 呂新波,關(guān)毅.  智能計算機與應用. 2013(01)
[3]基于知識圖譜的國內(nèi)外個性化推薦比較研究[J]. 武慧娟,周蘭萍,辛躍.  東北電力大學學報. 2012(05)
[4]推薦系統(tǒng)評價指標綜述[J]. 朱郁筱,呂琳媛.  電子科技大學學報. 2012(02)
[5]聚類分析在中等職業(yè)學校學生專業(yè)選擇分析中的應用[J]. 王新龍.  長治學院學報. 2010(05)
[6]一種基于內(nèi)容和協(xié)同過濾同構(gòu)化整合的推薦系統(tǒng)模型[J]. 李忠俊,周啟海,帥青紅.  計算機科學. 2009(12)
[7]個性化推薦系統(tǒng)評價方法綜述[J]. 劉建國,周濤,郭強,汪秉宏.  復雜系統(tǒng)與復雜性科學. 2009(03)
[8]互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]. 許海玲,吳瀟,李曉東,閻保平.  軟件學報. 2009(02)
[9]基于項目評分預測的協(xié)同過濾推薦算法[J]. 鄧愛林,朱揚勇,施伯樂.  軟件學報. 2003(09)
[10]中文文本過濾的信息分流機制[J]. 林鴻飛,李業(yè)麗,姚天順.  計算機研究與發(fā)展. 2000(04)

博士論文
[1]協(xié)同過濾技術(shù)及其在推薦系統(tǒng)中的應用研究[D]. 冷亞軍.合肥工業(yè)大學 2013
[2]基于協(xié)同過濾的個性化Web推薦[D]. 孫慧峰.北京郵電大學 2012

碩士論文
[1]基于SVD的推薦系統(tǒng)研究及其應用[D]. 王燕.太原理工大學 2017
[2]面向盈利能力的上市運輸企業(yè)融資結(jié)構(gòu)研究[D]. 劉衍佚.華北水利水電大學 2017
[3]基于內(nèi)容和協(xié)同過濾的混合算法在推薦系統(tǒng)中的應用研究[D]. 何佳知.東華大學 2016
[4]基于用戶興趣聚類的協(xié)同過濾算法的研究與實現(xiàn)[D]. 肖彪.重慶大學 2015
[5]用戶興趣模型及實時個性化推薦算法研究[D]. 楊晶.南京郵電大學 2013
[6]基于組合模型的醫(yī)生推薦系統(tǒng)研究與實現(xiàn)[D]. 劉彭.東華大學 2013
[7]基于混合算法的個性化電子商務推薦系統(tǒng)研究[D]. 李丹丹.天津財經(jīng)大學 2008



本文編號：3524223