智能移動(dòng)終端設(shè)備的廣泛普及和網(wǎng)絡(luò)通信技術(shù)的不斷發(fā)展,使得人們可通過互聯(lián)網(wǎng)獲得海量數(shù)據(jù)。面對(duì)可得到的海量數(shù)據(jù),人們亟需解決的問題是如何高效準(zhǔn)確地查詢到所需信息。搜索引擎通過過濾與顯式查詢匹配的頁面成為解決方案之一,然而人們?cè)诓樵儠r(shí)很難給出有效的關(guān)鍵詞。推薦系統(tǒng)在某種程度上解決了這些問題,可以幫助用戶在面對(duì)大量數(shù)據(jù)時(shí)快速有效地獲取有用資源。協(xié)同過濾算法（Collaborative Filtering,以下簡(jiǎn)稱CF）是推薦系統(tǒng)在學(xué)術(shù)研究和實(shí)際商業(yè)領(lǐng)域中最普遍使用的算法,依據(jù)用戶的歷史打分?jǐn)?shù)據(jù),衡量用戶或項(xiàng)目間的相似程度,生成指定用戶或項(xiàng)目的相似鄰居集合,并據(jù)此預(yù)測(cè)項(xiàng)目得分。但協(xié)同過濾算法十分依賴用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù),存在著數(shù)據(jù)稀疏和“冷啟動(dòng)”的問題。本文針對(duì)以上問題做出改進(jìn),將社交關(guān)系數(shù)據(jù)引入到協(xié)同過濾中進(jìn)行矩陣補(bǔ)全,利用聚類算法生成項(xiàng)目聚類,在相似度計(jì)算時(shí)考慮了項(xiàng)目的內(nèi)在屬性特征,并結(jié)合了自然界的注意力機(jī)制思想,主要工作如下:第一點(diǎn),利用用戶好友關(guān)系數(shù)據(jù)定義影響力系數(shù),并將其應(yīng)用到協(xié)同過濾算法的矩陣補(bǔ)全過程中,充分的考慮了用戶的社交關(guān)系和興趣領(lǐng)域,提高了矩陣補(bǔ)全分值的準(zhǔn)確性,使得缺省項(xiàng)的補(bǔ)... 

【文章來源】：吉林大學(xué)吉林省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 推薦算法研究背景及意義
    1.2 推薦算法國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
第2章 協(xié)同過濾算法和相關(guān)理論介紹
    2.1 協(xié)同過濾算法
        2.1.1 基于用戶的協(xié)同過濾算法
        2.1.2 基于項(xiàng)目的協(xié)同過濾算法
    2.2 相似度計(jì)算方法介紹
        2.2.1 歐式距離法
        2.2.2 余弦相似度
        2.2.3 修正的余弦相似度
        2.2.4 皮爾遜相關(guān)系數(shù)
    2.3 數(shù)據(jù)稀疏性問題介紹
        2.3.1 利用矩陣補(bǔ)全解決數(shù)據(jù)稀疏問題
        2.3.2 利用矩陣分解解決數(shù)據(jù)稀疏問題
        2.3.3 利用聚類算法解決數(shù)據(jù)稀疏問題
    2.4 社交關(guān)系介紹
    2.5 注意力機(jī)制介紹
    2.6 本章小結(jié)
第3章 基于社交關(guān)系和聚類的協(xié)同過濾算法
    3.1 數(shù)據(jù)預(yù)處理
    3.2 聚類算法
    3.3 近鄰集合
    3.4 CF-SRC算法
        3.4.1 影響力系數(shù)
        3.4.2 矩陣補(bǔ)全
        3.4.3 項(xiàng)目聚類
        3.4.4 項(xiàng)目相似性計(jì)算
        3.4.5 評(píng)分預(yù)測(cè)
    3.5 實(shí)驗(yàn)及結(jié)果分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)結(jié)果和分析
    3.6 本章小結(jié)
第4章 基于注意力機(jī)制的CF-SRC算法
    4.1 算法背景
    4.2 CF-SRCA算法
        4.2.1 項(xiàng)目差異度定義
        4.2.2 皮爾遜相關(guān)系數(shù)的改進(jìn)
        4.2.3 算法詳細(xì)描述
    4.3 實(shí)驗(yàn)及結(jié)果分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種基于SVD++融合顯隱式反饋的自適應(yīng)推薦算法[J]. 張陽,薦子菡.  中國(guó)科技信息. 2018(06)
[2]基于多層次混合相似度的協(xié)同過濾推薦算法[J]. 袁正午,陳然.  計(jì)算機(jī)應(yīng)用. 2018(03)
[3]利用社交關(guān)系的實(shí)值條件受限玻爾茲曼機(jī)協(xié)同過濾推薦算法[J]. 何潔月,馬貝.  計(jì)算機(jī)學(xué)報(bào). 2016(01)



本文編號(hào)：3638630