隨著互聯(lián)網(wǎng)云計算的崛起,用戶已不再為缺少數(shù)據(jù)資源而發(fā)愁,取而代之的是如何從眾多數(shù)據(jù)資源中找到符合自己興趣的,用戶面對巨大的數(shù)據(jù)量常常顯得束手無策。因此,推薦系統(tǒng)應運而生,既可為用戶個性化定制又節(jié)約了用戶時間的推薦系統(tǒng)成為一種迫切需要。個性化推薦系統(tǒng)不僅幫助了在海量數(shù)據(jù)中感到困惑的用戶,把用戶從不能滿足自己真正需求的困境中拉出來,還提高了對信息的利用率。推薦系統(tǒng)已經(jīng)在很多領域成功應用,比如電子商務、視頻網(wǎng)站、各大門戶網(wǎng)站等。由此可見,對推薦算法進行改進與創(chuàng)新具有十分重大的社會價值和現(xiàn)實意義�；谀Ｐ偷膮f(xié)同過濾算法是現(xiàn)如今用途最廣泛的推薦算法之一,此外,概率矩陣分解模型具有良好的推薦效果。它通過學習用戶或項目的潛在特征,把高維矩陣分解成低維的近似矩陣來進行推薦,能夠有效處理海量數(shù)據(jù)�，F(xiàn)有的協(xié)同過濾推薦算法都存在一些缺陷,如數(shù)據(jù)太過稀疏以及忽略了用戶興趣隨時間的變化等問題。針對以上推薦算法存在的不足,本文提出了一種基于融合時間因子和項目聚類的概率矩陣分解推薦算法,利用時間衰減函數(shù)挖掘用戶間潛在的特征關系并尋找與目標用戶最相似的用戶集合,利用項目聚類的方法找到項目間潛在的特征關系并找出與目標項...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

圖2.1推薦系統(tǒng)結(jié)構圖

第2章推薦系統(tǒng)概述第2章推薦系統(tǒng)概述本章介紹推薦系統(tǒng)的相關知識，對推薦系統(tǒng)的模型結(jié)構以及幾種常用的推薦算法進行了詳細介紹，并對幾種推薦算法的優(yōu)缺點進行分析。2.1推薦系統(tǒng)結(jié)構推薦系統(tǒng)的結(jié)構[19]主要包括三個階段，分別是數(shù)據(jù)輸入階段、推薦算法運行階段、推薦結(jié)果輸出階....

圖2.2推薦算法分類

分別是數(shù)據(jù)輸入階段、推薦算法運行階段、推薦結(jié)果輸出階段。詳細結(jié)構如圖2.1所示。圖2.1推薦系統(tǒng)結(jié)構圖2.2推薦算法推薦算法主要分為協(xié)同過濾推薦、基于內(nèi)容推薦、基于知識推薦[20]、以及混合推薦算法。推薦算法分類如圖2.2所示。

圖2.3基于用戶的協(xié)同過濾算法流程圖

用戶a和用戶b的相似度§()=()(√()2√用戶a對項目p的評分，符號ar中用戶喜歡的、并且目標用戶未p，用戶a對它可能打出的評分....

圖2.4基于用戶的協(xié)同過濾流程圖

第2章推薦系統(tǒng)概述是習慣給差評，改進后的修正余下：§()=()(√()2√u對項目評分的平均分。集合為目標用戶生成最終的推薦=(....

本文編號：3915654