本文關(guān)鍵詞：推薦系統(tǒng)協(xié)同過濾算法的改進

  更多相關(guān)文章： 推薦系統(tǒng) 協(xié)同過濾算法 信任程度 項目屬性

【摘要】：隨著互聯(lián)網(wǎng)和信息技術(shù)的高速發(fā)展,指數(shù)倍增長的信息進入到人們的視野。然而,對于信息的生產(chǎn)和接收者來說,這都是一個很大的挑戰(zhàn)。如何讓所發(fā)布的信息能夠在眾多的信息海洋中脫穎而出,這對于生產(chǎn)者來說是一個考驗,創(chuàng)新對此來說尤為重要。然而,在成千上萬的信息源中,用戶如何能夠迅速、準確的找到對自己有用的信息,這是當今社會研究的重點問題。 信息資源迅猛增長,然而用戶對信息的利用率卻逐漸降低,想要從如此龐大的信息源中找到符合用戶要求的信息的困難度越來越大,針對這一問題,早期使用搜索引擎來解決這一問題,但搜索引擎只能搜索到與用戶所輸入的關(guān)鍵字相同或者相似的信息,它可以達到一定的信息過濾功能,但沒有個性化的搜索結(jié)果。與此同時,推薦系統(tǒng)的出現(xiàn)很好的解決了搜索引擎的不足之處,它除了根據(jù)用戶所輸入的關(guān)鍵字來獲取信息以外,還會結(jié)合用戶的社交圈,以及歷史搜索記錄,為用戶進行個性化的推薦服務(wù),并能夠與用戶建立一種悠長而恒定的交互關(guān)系,不僅提高了用戶的忠誠度,也為生產(chǎn)者營造了良好可靠的信息平臺,達到一個雙贏的目的。 文章首先通過對推薦系統(tǒng)傳統(tǒng)算法的分析與研究,了解推薦系統(tǒng)的各種算法。目前存在的基于用戶的協(xié)同過濾算法和基于項目的協(xié)同過濾算法,雖然得到了普遍的認可。但也有不足之處,用戶相似度的計算誤差較大,用戶評分存在一個用戶偏好問題。同時協(xié)同過濾算法都是考慮項目資源本身的聯(lián)系,已經(jīng)用戶的評分,但沒有考慮過用戶之間的信任程度等問題,針對這些問題,文章進行的改進。 文章的主要創(chuàng)新點或技術(shù)特點如下： 1、通過比較相似度算法,對于傳統(tǒng)推薦算法中使用的余弦相似度改為修正的余弦相似度,避免了用戶偏好問題； 2、采用混合的協(xié)同過濾算法,結(jié)合用戶-評分相似度和用戶-項目屬性相似度,得到的最近鄰居集更為準確； 3、在第2步的基礎(chǔ)上,通過計算用戶之間的信任程度,得到的預(yù)測結(jié)果更接近用戶的真實評價。
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.3

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 周軍鋒,湯顯,郭景峰;一種優(yōu)化的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2004年10期

2 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機工程與應(yīng)用;2012年07期

3 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[J];計算機學報;2010年08期

4 李大學;謝名亮;趙學斌;;基于樸素貝葉斯方法的協(xié)同過濾推薦算法[J];計算機應(yīng)用;2010年06期

5 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過濾推薦算法[J];軟件學報;2007年10期

6 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學報;2009年02期

7 黃國言;李有超;高建培;常旭亮;;基于項目屬性的用戶聚類協(xié)同過濾推薦算法[J];計算機工程與設(shè)計;2010年05期

8 王惠敏;聶規(guī)劃;;融合用戶和項目相關(guān)信息的協(xié)同過濾算法研究[J];武漢理工大學學報;2007年07期

9 張亮;李敏強;;面向協(xié)同過濾的真實偏好高斯混合模型[J];系統(tǒng)工程學報;2007年06期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 夏培勇;個性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國海洋大學;2011年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學;2008年

，

本文編號：1228464