隨著社會的進步,信息的種類和數(shù)量不斷增加,人們想要在浩如煙海的數(shù)據(jù)中獲得自己感興趣的信息變得越來越困難。推薦算法的出現(xiàn)為人們緩解了這一問題,并廣泛地得到了業(yè)界的認可。但是隨著推薦算法的不斷深入研究,面臨的問題也越來越多,傳統(tǒng)的推薦算法往往忽視了時空因素對推薦精度的影響,研究發(fā)現(xiàn)不同地區(qū)的用戶的興趣存在著很大的差別,并且用戶的興趣會隨著時間的變化而發(fā)生變化,從而導致了算法的推薦精度偏低等問題。此外,大多數(shù)用戶更傾向于采納朋友的推薦,因此用戶間的信任關系也能在一定程度上影響推薦算法的性能。針對以上問題,本論文著重研究了時間、地理位置因素以及用戶間的信任關系等對個性化推薦算法的影響。本論文分為三個部分:第一,提出融合時間隱語義填充和子群劃分的推薦算法。在隱語義模型的基礎上,融合時間因素來對原始評分矩陣進行填充,得到預測填充矩陣,然后用聚類算法對填充后的評分矩陣進行子群劃分,最后用協(xié)同過濾算法產(chǎn)生推薦列表;第二,融合時間和位置信息的個性化推薦算法研究。在第一步中得到預測評分矩陣后,結合用戶的位置信息來進行協(xié)同過濾推薦,最后得到推薦結果;第三,融合信任關系的個性化推薦算法研究。充分挖掘用戶間的信... 

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 本文結構安排
第2章 個性化推薦算法的相關概念
    2.1 推薦算法簡介
    2.2 個性化推薦算法的分類
    2.3 個性化推薦相似度計算方法
    2.4 評價指標說明
    2.5 本章小結
第3章 融合時間隱語義填充和子群劃分的推薦算法
    3.1 引言
    3.2 時間對推薦精度的影響
    3.3 融合時間因素的隱語義模型
    3.4 子群劃分及協(xié)同推薦
    3.5 實驗及分析
    3.6 本章小結
第4章 融合時間和位置信息的個性化推薦算法研究
    4.1 引言
    4.2 地點對推薦系統(tǒng)的影響
    4.3 基于時間和地點的個性化推薦算法
    4.4 實驗與分析
    4.5 本章小結
第5章 融合信任關系的個性化推薦算法研究
    5.1 引言
    5.2 信任關系概述
    5.3 融合信任關系的隱語義模型
    5.4 實驗及分析
    5.5 本章小結
第6章 總結及展望
    6.1 總結
    6.2 展望
參考文獻
后記
攻讀碩士學位期間論文發(fā)表及科研情況


【參考文獻】：
期刊論文
[1]一種基于信任機制的概率矩陣分解協(xié)同過濾推薦算法[J]. 王建芳,苗艷玲,韓鵬飛,劉永利.  小型微型計算機系統(tǒng). 2019(01)
[2]改進模糊劃分聚類的協(xié)同過濾推薦算法[J]. 蘇慶,章靜芳,林正鑫,李小妹,蔡昭權,曾永安.  計算機工程與應用. 2019(05)
[3]融合相對評分的個性化興趣點推薦算法[J]. 單碩堂,陳廷偉,賈夢威.  計算機應用與軟件. 2018(10)
[4]基于時間因子的個性化新聞混合推薦研究[J]. 陶永才,火昊,石磊,衛(wèi)琳.  小型微型計算機系統(tǒng). 2018(08)
[5]考慮時間動態(tài)性和序列模式的個性化推薦算法[J]. 李杰,楊芳,徐晨曦.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2018(07)
[6]基于信任和矩陣分解的協(xié)同過濾推薦算法[J]. 鄭鵬,王應明,梁薇.  計算機工程與應用. 2018(13)
[7]基于歌曲標簽聚類的協(xié)同過濾推薦算法的研究[J]. 趙宇峰,李新衛(wèi).  計算機應用與軟件. 2018(06)
[8]基于用戶聚類與Slope One填充的協(xié)同推薦算法[J]. 龔敏,鄧珍榮,黃文明.  計算機工程與應用. 2018(22)
[9]基于深度學習的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學報. 2018(07)
[10]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)

碩士論文
[1]基于社交網(wǎng)絡的個性化推薦服務研究[D]. 朱琳可.西北大學 2012



本文編號：3689464