本文關(guān)鍵詞：智能搜索引擎信息過濾機制研究，由筆耕文化傳播整理發(fā)布。

《吉林大學》 2013年

基于矩陣分解的協(xié)同過濾推薦算法研究

張川  

【摘要】：當今社會，每個人的身邊充斥著大量的信息，尤其是互聯(lián)網(wǎng)中，海量的信息幾乎包含了人們所需要的全部內(nèi)容，但是“信息過載”問題仍使人們難以找到他們真正需要的東西�！八阉饕妗钡某霈F(xiàn)在很大程度上解決了“信息過載”問題，但是搜索引擎對每個用戶提供的都是相同的服務(wù)，因此，人們渴望獲得更具針對性的個性化的服務(wù)。在這種情況下，推薦系統(tǒng)應運而生，它能夠給用戶提供個性化的信息推薦服務(wù)。 20世紀90年代人們開始研究推薦系統(tǒng)，出現(xiàn)了大量關(guān)于推薦系統(tǒng)的研究成果，提出了許多種推薦算法，這些推薦算法應用在網(wǎng)頁瀏覽、電影推薦、音樂推薦與電子商務(wù)等方面。目前，推薦系統(tǒng)也有了很多成功應用的案例，推薦系統(tǒng)為商家和用戶都創(chuàng)造了有用的價值。 本文的主要工作如下： 1.全面介紹了推薦系統(tǒng)的研究背景與研究現(xiàn)狀。并介紹了幾大類推薦系統(tǒng)，包括基于內(nèi)容的推薦、基于知識的推薦、協(xié)同過濾推薦、基于圖結(jié)構(gòu)的推薦和組合推薦，特別是對協(xié)同過濾推薦做了較為詳細的闡釋。 2.詳細分析了基于矩陣分解的協(xié)同過濾推薦算法，對矩陣分解所采用的梯度下降法做了簡介，給出了基本矩陣分解Basic MF（Basic Matrix Factorization）、規(guī)范化矩陣分解Regularized MF（Regularized Matrix Factorization）和偏差矩陣分解Biases MF（BiasesMatrix Factorization）的整個流程。對矩陣分解所采用的差異度量方法做了討論，介紹了不同于一般情況的采用KL散度（Kullback-Leibler Divergence）刻畫部分差異的KLDDMF（Kullback-Leibler Divergence and Difference Matrix Factorization）算法。 3.為了提高矩陣分解算法的預測精確度，本文提出了幾種新的矩陣分解算法，它們是偏差向量矩陣分解BV MF（Biases Vector Matrix Factorization）、用戶相似性矩陣分解US MF（Users Similar Matrix Factorization）、項目相似性矩陣分解IS MF（Items SimilarMatrix Factorization）和用戶相似性項目相似性矩陣分解USIS MF（Users Similar and ItemsSimilar Matrix Factorization），其中，US MF與IS MF是USIS MF的兩種減弱模型。BVMF將用戶和項目的偏差擴展到每個特征，每個特征都會有特定的用戶偏差和特定的項目偏差，相比于其它模型BVMF的變量要更多。由于矩陣分解后的用戶向量和項目向量可能不會保持原始的用戶之間與項目之間的相似性關(guān)系，這樣就丟掉了內(nèi)在的相似性重要關(guān)系，，在US MF、IS MF和USIS MF中結(jié)合了用戶或項目的相似性關(guān)系，將相似性信息融入到最小化的目標函數(shù)中，挖掘更深層的潛在信息，以使預測結(jié)果更為精確，US MF只考慮用戶相似性信息，IS MF只考慮項目相似性信息，USIS MF是它們的結(jié)合，同時考慮了用戶與項目的相似性信息。BVMF在預測精確度方面沒有如預計的那樣有好的表現(xiàn)；US MF和IS MF在精確度方面相比于Basic MF與Regularized MF都有了提高，但它們比BiasesMF要差；USISMF是表現(xiàn)最優(yōu)秀的，在精確度方面，相比于BiasesMF它依舊有較大提高。 4.對矩陣分解算法的預測評分方法做了討論，包括直接預測（Direct Prediction）、近鄰預測（NearNeighbors Prediction）等，針對預測評分超過評分上下限的問題，提出了一種新的預測方法——映射預測（MappingPrediction），它把預測評分映射到評分上下限以內(nèi)，并且保持了預測評分的相對高低狀況，這樣處理過的預測評分就不存在超過評分上下限的不合理情況，經(jīng)過映射預測的評分在預測結(jié)果上有了一定的改善。 5.介紹了幾種不同的推薦算法評測標準，包括MAE（Mean Absolute Error）、RMSE（RootMeanSquareError）、查準率（Precision）、查全率（Recall）。并提出了一種新的評測指標——正確率（Accuracy）。正確率是在對預測評分進行四舍五入的基礎(chǔ)上對推薦算法做出評價，它不像查準率與查全率只考慮推薦給用戶的項目的正確概率，還考慮了那些不能推薦給用戶的項目的預測準確度。 6.在數(shù)據(jù)集上做了大量實驗，分析各種推薦算法的運行結(jié)果。 本文針對預測精確度問題提出了幾種新的算法，BVMF、USMF、ISMF和USISMF，其中，除BVMF以外，它們在精確度方面都有提高。對于評分的預測，提出了一種新的映射預測方法，相比于直接預測有很明顯的效果。在評測方面，給出了一種新的正確率評測指標，它在一定程度上可以衡量算法的優(yōu)劣。

【關(guān)鍵詞】：
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP391.3
【目錄】：

下載全文 更多同類文獻

CAJ全文下載

(如何獲取全文？ 歡迎：購買知網(wǎng)充值卡、在線充值、在線咨詢)

CAJViewer閱讀器支持CAJ、PDF文件格式

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 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

2 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

3 陳樹年;搜索引擎及網(wǎng)絡(luò)信息資源的分類組織[J];圖書情報工作;2000年04期

4 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學進展;2009年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 杜定宇;基于特征向量的個性化推薦算法研究[D];重慶大學;2011年

2 溫會平;基于項目類別相似性與用戶多興趣的個性化推薦算法的研究[D];太原理工大學;2008年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 賀定安;關(guān)于編制《中圖法·網(wǎng)絡(luò)信息分類表》的構(gòu)想[J];國家圖書館學刊;2002年03期

2 沙淑欣;情報檢索語言研究綜述[J];國家圖書館學刊;2004年03期

3 李莉,劉鯤,王鶴;如何將傳統(tǒng)文獻分類法應用于網(wǎng)絡(luò)信息組織[J];國家圖書館學刊;2005年03期

4 曹青;檢索語言研究綜述[J];北京教育學院學報;2000年04期

5 鄭爽;網(wǎng)絡(luò)信息資源的開發(fā)利用[J];北京理工大學學報(社會科學版);2001年02期

6 張帆;林建;;智能搜索引擎信息過濾機制研究[J];圖書與情報;2007年04期

7 蔡曉霞;;數(shù)據(jù)挖掘技術(shù)在圖書館中的應用[J];長春師范學院學報;2011年04期

8 陳燕;牟向偉;;語義環(huán)境下個性化推薦系統(tǒng)建模[J];吉林大學學報(信息科學版);2010年06期

9 牟乃夏;劉文寶;張靈先;孫翠羽;;空間信息服務(wù)的個性化問題[J];測繪科學;2011年03期

10 黎星星;Building a better recommender system in E-commerce[J];Journal of Chongqing University;2003年01期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 高琪;辛樂;;基于用戶偏好度模型和情感計算的產(chǎn)品推薦算法[A];第二十九屆中國控制會議論文集[C];2010年

2 王茹;郭曉;曹雪珊;;國內(nèi)視頻網(wǎng)站精準投放技術(shù)分析[A];2011年通信與信息技術(shù)新進展——第八屆中國通信學會學術(shù)年會論文集[C];2011年

3 陶曉燕;;網(wǎng)絡(luò)信息資源的分類組織[A];山西省科學技術(shù)情報學會學術(shù)年會論文集[C];2004年

4 ;An Analysis on the Personalized Recommendation Architecture of Mobile Commerce Application[A];第六屆（2011）中國管理學年會——管理科學與工程分會場論文集[C];2011年

5 ;COLLABORATIVE FILTERING RECOMMENDATION ALGORITHM BASED ON LOOK-AHEAD SELECTIVE SAMPLING[A];2006年中國機械工程學會年會暨中國工程院機械與運載工程學部首屆年會論文集[C];2006年

6 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

7 孫宏明;;網(wǎng)絡(luò)信息資源的開發(fā)與利用探析[A];全國高校社科信息資料研究會第14次理論研討會論文集[C];2012年

8 蔡曉霞;;數(shù)據(jù)挖掘在圖書館中的應用[A];福建省圖書館學會2010年學術(shù)年會論文集[C];2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 張宇;個性化移動內(nèi)容服務(wù)的模型和支持技術(shù)研究[D];華中科技大學;2010年

2 張寅;個性化技術(shù)及其在數(shù)字圖書館中應用的研究[D];浙江大學;2009年

3 陳偉;基于時序文本挖掘的新聞內(nèi)容理解與推薦技術(shù)研究[D];浙江大學;2010年

4 胡慕海;面向動態(tài)情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學;2011年

5 葉紅云;面向金融營銷問題的個性化推薦方法研究[D];合肥工業(yè)大學;2011年

6 劉毅捷;視頻社區(qū)中海量數(shù)據(jù)管理方法研究[D];中國科學技術(shù)大學;2011年

7 劉潤然;復雜網(wǎng)絡(luò)上的幾種動力學過程研究[D];中國科學技術(shù)大學;2011年

8 馬春山;移動增值業(yè)務(wù)的個性化推薦研究[D];北京郵電大學;2011年

9 黃永生;基于用戶社會屬性的點對點內(nèi)容分發(fā)網(wǎng)絡(luò)模型研究[D];北京郵電大學;2010年

10 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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 吳則則;支持動態(tài)演進的用戶興趣模型挖掘方法研究[D];山東科技大學;2010年

2 宋超臣;基于推薦網(wǎng)絡(luò)的服務(wù)搜索技術(shù)研究[D];哈爾濱工程大學;2010年

3 何瑩杰;個性化圖書信息服務(wù)技術(shù)研究[D];哈爾濱工程大學;2010年

4 李媛;電子商務(wù)個性化推薦關(guān)鍵技術(shù)研究[D];哈爾濱工程大學;2010年

5 吳迪;高校畢業(yè)生就業(yè)推薦系統(tǒng)的設(shè)計與開發(fā)[D];大連理工大學;2010年

6 龐軍;雙聚類算法及其在協(xié)同過濾中的應用研究[D];大連理工大學;2010年

7 李春;協(xié)同過濾推薦算法的研究[D];湘潭大學;2010年

8 潘拓宇;融入用戶行為上下文的個性化推薦模型[D];湘潭大學;2010年

9 程淑玉;基于協(xié)同過濾算法的個性化推薦系統(tǒng)的研究[D];合肥工業(yè)大學;2010年

10 何克勤;基于標簽的推薦系統(tǒng)模型及算法研究[D];華東師范大學;2011年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙亮,胡乃靜,張守志;個性化推薦算法設(shè)計[J];計算機研究與發(fā)展;2002年08期

2 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

3 李煊,汪曉巖,莊鎮(zhèn)泉;基于關(guān)聯(lián)規(guī)則挖掘的個性化智能推薦服務(wù)[J];計算機工程與應用;2002年11期

4 李勇,徐振寧,張維明;Internet個性化信息服務(wù)研究綜述[J];計算機工程與應用;2002年19期

5 徐小琳,闕喜戎,程時端;信息過濾技術(shù)和個性化信息服務(wù)[J];計算機工程與應用;2003年09期

6 王茜;王均波;;一種改進的協(xié)同過濾推薦算法[J];計算機科學;2010年06期

7 張海燕;顧峰;姜麗紅;;基于模糊簇的個性化推薦方法[J];計算機工程;2006年12期

8 張曉敏;王茜;;基于概念層次樹的個性化推薦算法[J];計算機工程;2007年24期

9 余力,劉魯;電子商務(wù)個性化推薦研究[J];計算機集成制造系統(tǒng);2004年10期

10 余力,劉魯,李雪峰;用戶多興趣下的個性化推薦算法研究[J];計算機集成制造系統(tǒng);2004年12期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學;2005年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 聶晶;;基于用戶興趣實時更新評價信息的遠程教學資源智能推薦系統(tǒng)[J];中國科教創(chuàng)新導刊;2009年14期

2 蘇一丹;王育才;顧新一;;基于獨特型人工免疫網(wǎng)絡(luò)的并行推薦算法的研究[J];計算機應用;2008年05期

3 李聰;梁昌勇;董珂;;基于項目類別相似性的協(xié)同過濾推薦算法[J];合肥工業(yè)大學學報(自然科學版);2008年03期

4 趙智;時兵;;改進的個性化推薦算法[J];長春大學學報;2005年06期

5 李聰;梁昌勇;;基于屬性值偏好矩陣的協(xié)同過濾推薦算法[J];情報學報;2008年06期

6 張曉云;李慧;王霞;;基于視覺信息的個性化圖像搜索排名技術(shù)[J];黑龍江科技信息;2009年31期

7 李濤;王建東;葉飛躍;馮新宇;張有東;;一種基于用戶聚類的協(xié)同過濾推薦算法[J];系統(tǒng)工程與電子技術(shù);2007年07期

8 嵇曉聲;劉宴兵;羅來明;;協(xié)同過濾中基于用戶興趣度的相似性度量方法[J];計算機應用;2010年10期

9 魯培;;一種改進的基于項目聚類的協(xié)同過濾推薦算法[J];科技傳播;2011年01期

10 李濤;王建東;葉飛躍;;推薦系統(tǒng)中一種新的相似性計算方法[J];計算機科學;2007年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陶紅亮;王明文;曹瑛;;基于項目平滑和聚類的協(xié)同過濾推薦算法[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2007年

4 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯一[C];2010年

5 梁莘燊;劉瑩;;基于效能的學術(shù)資源推薦算法研究[A];第六屆（2011）中國管理學年會——信息管理分會場論文集[C];2011年

6 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）[C];2009年

7 高鳳榮;杜小勇;王珊;;數(shù)字圖書館環(huán)境下一種基于語義分類的個性化推薦算法[A];第二十屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2003年

8 湯顯;郭景峰;高英飛;;基于類別相似性的增量協(xié)同過濾推薦算法[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2006年

9 高旻;吳中福;;基于個性化情境和項目的協(xié)同推薦研究[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學學報（增刊）][C];2009年

10 孫鐵利;楊焱;邱春艷;;基于內(nèi)容預測的協(xié)同過濾推薦[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前9條

1 記者 王夕;[N];北京科技報;2011年

2 記者 向陽;[N];科技日報;2009年

3 劉溟;[N];經(jīng)濟日報;2004年

4 ;[N];網(wǎng)絡(luò)世界;2001年

5 南方;[N];中國信息報;2002年

6 本報記者 雷彬;[N];通信信息報;2011年

7 趙駿飛;[N];中國保險報;2011年

8 喬穎;[N];新華每日電訊;2011年

9 商報記者 金朝力;[N];北京商報;2011年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 高旻;基于計算語用學和項目的資源協(xié)同過濾推薦研究[D];重慶大學;2010年

2 沈磊;心理學模型與協(xié)同過濾集成的算法研究[D];北京航空航天大學;2010年

3 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學;2012年

4 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

5 賈春曉;基于復雜網(wǎng)絡(luò)的推薦算法和合作行為研究[D];中國科學技術(shù)大學;2011年

6 李東勝;基于興趣與保護隱私的在線社區(qū)推薦技術(shù)研究[D];復旦大學;2012年

7 孫慧峰;基于協(xié)同過濾的個性化Web推薦[D];北京郵電大學;2012年

8 肖敏;基于領(lǐng)域本體的電子商務(wù)推薦技術(shù)研究[D];武漢理工大學;2009年

9 劉凱鵬;社會性標注關(guān)鍵技術(shù)及其在信息檢索中的應用研究[D];哈爾濱工業(yè)大學;2010年

10 高瀅;多關(guān)系聚類分析方法研究[D];吉林大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉亭;隱私保持協(xié)同過濾推薦算法研究[D];燕山大學;2010年

2 袁先虎;基于混合用戶模型的協(xié)同過濾推薦算法研究[D];重慶大學;2010年

3 王小亮;基于協(xié)同過濾的個性化推薦算法的優(yōu)化和應用[D];浙江工商大學;2010年

4 李春;協(xié)同過濾推薦算法的研究[D];湘潭大學;2010年

5 李有超;基于項目屬性與偏愛比較的協(xié)同過濾推薦算法研究[D];燕山大學;2010年

6 封素石;分布式協(xié)同過濾推薦算法研究[D];燕山大學;2010年

7 蔡浩;基于Web使用挖掘的協(xié)同過濾推薦算法研究[D];浙江理工大學;2010年

8 張學勝;面向數(shù)據(jù)稀疏的協(xié)同過濾推薦算法研究[D];中國科學技術(shù)大學;2011年

9 張曉彬;基于可信度的協(xié)同過濾推薦算法研究[D];重慶大學;2010年

10 王正武;基于用戶喜好類型的協(xié)同過濾推薦算法研究[D];華東師范大學;2011年

  本文關(guān)鍵詞：智能搜索引擎信息過濾機制研究，由筆耕文化傳播整理發(fā)布。

本文編號：128955