【摘要】：在當(dāng)前的網(wǎng)絡(luò)環(huán)境中,個(gè)性化信息推薦服務(wù)已成為時(shí)代潮流,代表著未來(lái)信息服務(wù)業(yè)的發(fā)展方向。目前協(xié)同過(guò)濾技術(shù)的應(yīng)用范圍比較廣泛,多個(gè)網(wǎng)絡(luò)平臺(tái)的個(gè)性化推薦服務(wù)系統(tǒng)都應(yīng)用此技術(shù),本文在個(gè)性化檢索以及推薦領(lǐng)域的各項(xiàng)技術(shù)的著重探討的基礎(chǔ)上對(duì)房產(chǎn)信息個(gè)性化推薦進(jìn)行研究,主要分析了傳統(tǒng)協(xié)同過(guò)濾技術(shù)存在的問(wèn)題,本文將基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾與基于項(xiàng)目聚類(lèi)的內(nèi)容過(guò)濾進(jìn)行組合運(yùn)用,在協(xié)同過(guò)濾的數(shù)據(jù)預(yù)處理階段綜合用戶(hù)行為特征與項(xiàng)目?jī)?nèi)容屬性,并結(jié)合聚類(lèi)技術(shù),提出以協(xié)同過(guò)濾方法為框架、融合內(nèi)容過(guò)濾的組合推薦算法,并設(shè)計(jì)了一個(gè)房屋中介智能管理系統(tǒng)來(lái)驗(yàn)證算法的有效性,本文的主要工作如下:1.查閱文獻(xiàn)發(fā)現(xiàn)在數(shù)據(jù)預(yù)處理階段,傳統(tǒng)的協(xié)同過(guò)濾算法對(duì)于用戶(hù)—項(xiàng)目評(píng)分矩陣得依賴(lài)性高,這使得用戶(hù)項(xiàng)目評(píng)分矩陣中因?yàn)槲丛u(píng)分?jǐn)?shù)據(jù)的缺失而顯得數(shù)據(jù)比較稀疏。本文為了對(duì)用戶(hù)個(gè)人喜好進(jìn)行深度挖掘并提高系統(tǒng)推薦效果的精度,必須將用戶(hù)瀏覽、關(guān)注、購(gòu)買(mǎi)、評(píng)價(jià)等行為特征和項(xiàng)目?jī)?nèi)容屬性元數(shù)據(jù)進(jìn)行特征組合。2.本文通過(guò)聚類(lèi)模型的引入來(lái)提高傳統(tǒng)協(xié)同過(guò)濾推薦的實(shí)時(shí)性和可擴(kuò)展性指標(biāo),提出基于用戶(hù)和房產(chǎn)信息內(nèi)容雙向聚類(lèi)改進(jìn)的思路。本文對(duì)用戶(hù)行為與房產(chǎn)信息內(nèi)容屬性進(jìn)行了全面利用,同時(shí)對(duì)用戶(hù)和項(xiàng)目進(jìn)行聚類(lèi),減少近鄰用戶(hù)或者項(xiàng)目的搜尋空間,不僅提高算法的效率和實(shí)時(shí)性,也降低了系統(tǒng)的耦合性。3.針對(duì)傳統(tǒng)的協(xié)同過(guò)濾算法中面臨的數(shù)據(jù)稀疏性差、準(zhǔn)確率低等問(wèn)題,本文以?xún)?nèi)容過(guò)濾為基礎(chǔ)、協(xié)同過(guò)濾為框架,提出了融合項(xiàng)目?jī)?nèi)容與用戶(hù)行為特征的組合推薦算法。首先基于項(xiàng)目聚類(lèi)的內(nèi)容過(guò)濾預(yù)測(cè)出原用戶(hù)項(xiàng)目評(píng)分矩陣中未評(píng)分項(xiàng)目的分值并將結(jié)果添加到原有的用戶(hù)—評(píng)分矩陣中,解決數(shù)據(jù)稀疏性和冷啟動(dòng)問(wèn)題;其次,在填充完成后的用戶(hù)評(píng)分矩陣的基礎(chǔ)上融合項(xiàng)目聚類(lèi)結(jié)果、房產(chǎn)信息內(nèi)容屬性以及用戶(hù)行為,提出了一種新的相似度融合的計(jì)算方法,最后再通過(guò)基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾推薦,提高算法的準(zhǔn)確性。最后,基于真實(shí)的某房產(chǎn)中介平臺(tái)的實(shí)驗(yàn)數(shù)據(jù)集,利用仿真模擬軟件對(duì)改進(jìn)的算法進(jìn)行試驗(yàn)與測(cè)試,并將結(jié)果與傳統(tǒng)的協(xié)同過(guò)濾推薦算法進(jìn)行了對(duì)比分析,實(shí)驗(yàn)證明本文中提出的改進(jìn)算法在一定程度上提高了系統(tǒng)的實(shí)時(shí)性與與可拓展性,并通過(guò)用戶(hù)行為特征和房產(chǎn)信息的內(nèi)容屬性深度挖掘了用戶(hù)的興趣偏好,在一定程度上使推薦算法的準(zhǔn)確性得到了提高。本文將改進(jìn)的算法應(yīng)用到開(kāi)發(fā)的房屋中介原型系統(tǒng)中,驗(yàn)證了改進(jìn)算法在實(shí)際應(yīng)用中的可行性與有效性。
【圖文】：

新用戶(hù)注冊(cè)界面

圖 4.7 用戶(hù)偏好選擇界面登錄戶(hù)瀏覽該系統(tǒng)時(shí)，不需要進(jìn)行注冊(cè)，直接進(jìn)入到系統(tǒng)的登錄界面輸入，系統(tǒng)首先會(huì)在數(shù)據(jù)庫(kù)中將用戶(hù)名與密碼進(jìn)行匹配看是否正跳轉(zhuǎn)到用戶(hù)的個(gè)人主頁(yè)上。如果輸入的用戶(hù)名與密碼中有一項(xiàng)與符就會(huì)提示用戶(hù)輸入信息有誤，，返回登錄頁(yè)面重新進(jìn)行登錄操作圖的 4.8 所示：
【學(xué)位授予單位】：東北石油大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 金建國(guó);;聚類(lèi)方法綜述[J];計(jì)算機(jī)科學(xué);2014年S2期

2 武佳薇;李雄飛;孫濤;李巍;;鄰域平衡密度聚類(lèi)算法[J];計(jì)算機(jī)研究與發(fā)展;2010年06期

3 楊博;劉大有;金弟;馬海賓;;復(fù)雜網(wǎng)絡(luò)聚類(lèi)方法[J];軟件學(xué)報(bào);2009年01期

4 王輝;高利軍;王聽(tīng)忠;;個(gè)性化服務(wù)中基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾推薦[J];計(jì)算機(jī)應(yīng)用;2007年05期

5 何光輝;魏曙光;王蔚韜;;改進(jìn)的聚類(lèi)鄰居協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)科學(xué);2004年11期

6 周軍鋒,湯顯,郭景峰;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2004年10期

7 路海明,盧增祥,李衍達(dá);基于多Agent混合智能實(shí)現(xiàn)個(gè)性化信息推薦[J];高技術(shù)通訊;2001年04期

相關(guān)博士學(xué)位論文 前1條

1 毛國(guó)君;數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D];北京工業(yè)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前9條

1 康楊楊;個(gè)性化信息檢索中用戶(hù)偏好分析技術(shù)研究[D];蘇州大學(xué);2014年

2 李雪;基于協(xié)同過(guò)濾的推薦系統(tǒng)研究[D];吉林大學(xué);2010年

3 王均波;協(xié)同過(guò)濾推薦算法及其改進(jìn)研究[D];重慶大學(xué);2010年

4 李儉霞;電子商務(wù)智能推薦技術(shù)及應(yīng)用研究[D];重慶大學(xué);2009年

5 胡升澤;個(gè)性化元搜索引擎若干關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

6 張黎黎;電子商務(wù)個(gè)性化推薦模型研究[D];重慶大學(xué);2008年

7 王平;基于用戶(hù)偏好挖掘和主題搜索的情報(bào)推薦系統(tǒng)[D];浙江大學(xué);2007年

8 李?lèi)?ài)明;個(gè)性化搜索引擎用戶(hù)模型研究[D];華中師范大學(xué);2007年

9 安芳;電子商務(wù)個(gè)性化信息推薦服務(wù)的研究[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2006年

本文編號(hào)：2643825