隨著大數(shù)據(jù)時(shí)代的到來,信息的海量增長(zhǎng)使人們不得不面對(duì)信息過載的困局。推薦系統(tǒng)作為解決信息過載的有效技術(shù)手段,一經(jīng)提出就吸引了眾多學(xué)者的關(guān)注。協(xié)同過濾算法作為推薦系統(tǒng)領(lǐng)域中最常用的算法之一,隨著數(shù)據(jù)的快速增長(zhǎng)逐漸暴露了其固有的一些問題。其中,可擴(kuò)展性問題是阻礙其發(fā)展的主要障礙之一。為了緩解該問題,學(xué)者們提出了各種各樣的方法,基于信息核的推薦方法就是其中一種較為新穎的方法。目前主要是通過啟發(fā)式的方法構(gòu)建信息核,相比于傳統(tǒng)協(xié)同過濾算法在推薦質(zhì)量方面存在一定損失。針對(duì)這一問題,本文提出了基于進(jìn)化及網(wǎng)絡(luò)傳播算法的信息核優(yōu)化方法,用于減少在線推薦時(shí)間,以緩解可擴(kuò)展性問題,同時(shí)也提升了推薦質(zhì)量。具體內(nèi)容安排如下:(1)提出了一種基于多子種群進(jìn)化算法的信息核優(yōu)化方法。首先,根據(jù)用戶的度提出三種約束條件將種群劃分為三個(gè)子種群。然后,將每種約束條件與信息核都編碼在種群個(gè)體中,通過進(jìn)化迭代自動(dòng)搜索出較好的度閾值。最后,利用精英保留策略保留競(jìng)爭(zhēng)能力較強(qiáng)的子代個(gè)體構(gòu)成下一代種群,在種群個(gè)體總數(shù)不變的情況下,競(jìng)爭(zhēng)力強(qiáng)的子種群規(guī)模逐漸增大,而競(jìng)爭(zhēng)力弱的子種群規(guī)模會(huì)逐漸縮小甚至被完全淘汰。實(shí)驗(yàn)結(jié)果表明,本方法能夠有效...

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景及意義
        1.1.1 推薦系統(tǒng)概述
        1.1.2 推薦系統(tǒng)研究進(jìn)展
        1.1.3 推薦算法的分類
        1.1.4 協(xié)同過濾算法的一般框架
        1.1.5 基于信息核的協(xié)同過濾算法研究
    1.2 組合優(yōu)化
        1.2.1 組合優(yōu)化基本理論
        1.2.2 進(jìn)化算法
    1.3 論文的工作與內(nèi)容安排
第二章 基于多子種群進(jìn)化算法的信息核優(yōu)化
    2.1 引言
    2.2 推薦系統(tǒng)中常用評(píng)價(jià)指標(biāo)
    2.3 基于多子種群進(jìn)化算法的信息核優(yōu)化
        2.3.1 算法構(gòu)建動(dòng)機(jī)
        2.3.2 適應(yīng)度函數(shù)的選擇、編碼方式和選擇方式
        2.3.3 算法流程
    2.4 實(shí)驗(yàn)結(jié)果分析
        2.4.1 實(shí)驗(yàn)數(shù)據(jù)集及其劃分
        2.4.2 參數(shù)設(shè)置
        2.4.3 實(shí)驗(yàn)設(shè)計(jì)
        2.4.4 實(shí)驗(yàn)結(jié)果與分析
    2.5 本章小結(jié)
第三章 基于進(jìn)化及聚類算法的虛擬信息核優(yōu)化方法
    3.1 引言
    3.2 基于進(jìn)化及聚類算法的虛擬信息核優(yōu)化方法
        3.2.1 算法構(gòu)建動(dòng)機(jī)
        3.2.2 k均值聚類與T分布隨機(jī)近鄰嵌入算法
        3.2.3 虛擬信息核構(gòu)建方法
        3.2.4 基于降維和聚類算法的歸屬度相似度計(jì)算方法
        3.2.5 基于降維和聚類構(gòu)建訓(xùn)練集和驗(yàn)證集方法
        3.2.6 算法流程
    3.3 實(shí)驗(yàn)結(jié)果分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集及其劃分
        3.3.2 參數(shù)設(shè)置
        3.3.3 實(shí)驗(yàn)設(shè)計(jì)
        3.3.4 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于聚類及網(wǎng)絡(luò)傳播算法的虛擬信息核優(yōu)化
    4.1 引言
    4.2 基于聚類及網(wǎng)絡(luò)傳播算法的虛擬信息核優(yōu)化
        4.2.1 基于降維和聚類算法構(gòu)建虛擬用戶
        4.2.2 網(wǎng)絡(luò)傳播算法
        4.2.3 基于改進(jìn)的熱傳導(dǎo)算法選擇虛擬信息核的過程
        4.2.4 算法流程
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)設(shè)計(jì)與參數(shù)設(shè)置
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究結(jié)論
    5.2 研究展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3929199