近年來隨著互聯(lián)網的迅猛發(fā)展,所帶來的問題也越來越明顯了,其中最突出的問題便是“信息過載”問題。雖然分類目錄、搜索引擎等技術能在一定程度上緩解該問題,但是大多數用戶都不能明確知道自己所需要的是什么,也就難以利用這些技術進行搜索了。但是,個性化推薦不僅能根據用戶的歷史信息發(fā)現(xiàn)用戶的興趣偏好,還能在海量的數據之中分析出用戶的潛在興趣,因而備受矚目。個性化推薦推薦系統(tǒng)在發(fā)展過程中,也遇到了越來越多的問題,如:數據稀疏性、冷啟動、可擴展性等等。本文就數據稀疏性問題,首先采用了圖網絡算法在稀疏數據集上計算得出物品關聯(lián)矩陣;接著就所得物品關聯(lián)矩陣存在關聯(lián)程度弱的問題引入了一個k維的物品類別向量矩陣,每個物品都是該類別向量上的一個概率分布,并且該類別向量矩陣通過在物品關聯(lián)圖上隨機游走來更新自身,更新后的類別向量矩陣體現(xiàn)出更強的物品關聯(lián)程度,從而計算物品間的相似度,進而對評分矩陣進行首次填充;最后引入用戶集合分類、評分置信度等概念,對傳統(tǒng)的基于物品的協(xié)同過濾算法進行相關的改進并對評分矩陣進行第二次填充。本文實驗中以基于物品的協(xié)同過濾算法作為基準算法,在Movielens數據集上進行對比實驗,結果表明,本... 

【文章來源】：廣州大學廣東省

【文章頁數】：50 頁

【學位級別】：碩士

【部分圖文】：

用戶—物品二分圖

圖 2-2 U 方向的映射圖 2-3 I 方向的映射看出兩類頂點的內部各節(jié)點間的性；在圖 2-3 中，I1和 I3之間有而受該思想的啟發(fā)，有學者開的推薦效果。二分圖推薦算法的，已經有研究者如 Zhou 等將

和 u2之間有著最高的相關性；在圖 2-3 中，I1和 I3之間有著最高的相關性。二分圖是一個無向圖，而受該思想的啟發(fā)，有學者開始將資源分配、加權等概念引入其中，并且獲得了較好的推薦效果。2.3.2 基于資源分配的二分圖推薦算法就如 2.3.1 小節(jié)所提到的，已經有研究者如 Zhou 等將原本無向二分圖往有向二分圖的方向進行考慮，并成功地運用兩步資源分配的方式，充分地利用兩類頂點間的內在聯(lián)系，將邊與邊之間的關系直觀地表示出來[26，50]。資源分配方案的基本思想是：先為初始頂點的各節(jié)點分配資源

【參考文獻】：
期刊論文
[1]基于矩陣填充和物品可預測性的協(xié)同過濾算法[J]. 潘濤濤,文鋒,劉勤讓.  自動化學報. 2017(09)
[2]融合“用戶-項目-用戶興趣標簽圖”的協(xié)同好友推薦算法[J]. 陳潔敏,李建國,湯非易,湯庸,陳笑凡,唐婷芳.  計算機科學與探索. 2018(01)
[3]基于時間加權三部圖的分眾分類標簽推薦算法[J]. 李貴,王爽,李征宇,韓子揚,孫平,孫煥良.  小型微型計算機系統(tǒng). 2016(02)
[4]基于用戶興趣模糊聚類的協(xié)同過濾算法[J]. 劉占兵,肖詩斌.  現(xiàn)代圖書情報技術. 2015(11)
[5]基于時間加權連接的完全三部圖推薦算法[J]. 朱永華,林舉,吳志國,沈熠.  計算機技術與發(fā)展. 2015(10)
[6]基于標簽權重評分的推薦模型及算法研究[J]. 孔欣欣,蘇本昌,王宏志,高宏,李建中.  計算機學報. 2017(06)
[7]基于偏好的二分圖網絡模型Top-N推薦[J]. 陳添輝,林世平,郭昆,廖壽福.  計算機系統(tǒng)應用. 2015(04)
[8]基于用戶-標簽-項目語義挖掘的個性化音樂推薦[J]. 李瑞敏,林鴻飛,閆俊.  計算機研究與發(fā)展. 2014(10)
[9]面向微博系統(tǒng)的實時個性化推薦[J]. 高明,金澈清,錢衛(wèi)寧,王曉玲,周傲英.  計算機學報. 2014(04)
[10]張量分解的標簽推薦及新用戶標簽推薦算法[J]. 廖志芳,王超群,李小慶,張苗.  小型微型計算機系統(tǒng). 2013(11)

博士論文
[1]基于協(xié)同過濾的推薦算法研究[D]. 劉青文.中國科學技術大學 2013

碩士論文
[1]基于用戶個人特征的多內容項目協(xié)同過濾推薦[D]. 彭玉.西南大學 2007



本文編號：3613779