本文關(guān)鍵詞：協(xié)同過濾算法在個性化推薦系統(tǒng)中的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)和電子商務(wù)的發(fā)展,信息過載現(xiàn)象越發(fā)的嚴(yán)重,導(dǎo)致人們在尋找自己所需的信息時要耗費越來越多的時間與精力,有時候還可能迷失在眾多信息之中,忘記自己真正需要的信息是什么。雖然搜索引擎可以在一定程度上幫助用戶過濾信息,但是這僅僅是針對那些明確知道自己所需的信息或者商品是什么的用戶,對于那些需求比較模糊的用戶其幫助程度就可能就不那么明顯了。在這種情況下,個性化推薦系統(tǒng)就應(yīng)運而生了。因為它不僅可以幫助人們過濾信息或物品,而且可以主動為用戶推薦他們可能感興趣的信息或物品。但隨著用戶數(shù)量和信息種類的快速增加,當(dāng)前的個性化推薦系統(tǒng)也面臨著一些挑戰(zhàn)。本文重點就是針對當(dāng)前個性化推薦系統(tǒng)中的協(xié)同過濾算法的冷啟動和稀疏性進(jìn)行相應(yīng)的優(yōu)化改進(jìn)。首先,對個性化推薦系統(tǒng)的相關(guān)基本理論知識進(jìn)行詳細(xì)的介紹和整理。然后,對協(xié)同過濾算法的基本思想與其常用的算法進(jìn)行分析與總結(jié),隨后對當(dāng)前協(xié)同過濾算法存在不足進(jìn)行整理,進(jìn)一步分析其產(chǎn)生的原因。根據(jù)分析的結(jié)果,提出一種添加項目屬性類別的協(xié)同過濾算法,該算法對其傳統(tǒng)的相似性度量方法了進(jìn)行優(yōu)化,即在計算項目之間的相似度時增加了一個項目屬性類別的參數(shù)。這樣就彌補了傳統(tǒng)的度量方法在計算項目之間的相似性時,把不同類別的項目之間進(jìn)行比較,從而導(dǎo)致其項目的最近鄰居不準(zhǔn)確。該算法的基本思想是先利用項目自身屬性對其進(jìn)行分類,然后根據(jù)分類的情況在類內(nèi)進(jìn)行其相似性的計算,計算是采用改進(jìn)后的公式,即添加項目屬性參數(shù)的公式來進(jìn)行項目之間的相似性計算,其次根據(jù)其相似性的計算結(jié)果生成目標(biāo)項目的最近鄰居集,然后根據(jù)其最近鄰居在類內(nèi)對其評分進(jìn)行預(yù)測,把評分較高的前N項作為Top-N輸出。最后,利用Movielens網(wǎng)站提供的開源數(shù)據(jù)包對改進(jìn)后的算法進(jìn)行相關(guān)的驗證,選取平均絕對誤差(MAE)作為衡量其算法準(zhǔn)確度的標(biāo)準(zhǔn)。通過對比改進(jìn)前后算法的MAE,可以直觀的看出改進(jìn)后的算法在一定程度上降低了冷啟動和稀疏性對推薦算法精確度的影響,提高了推薦系統(tǒng)的推薦效果。
【關(guān)鍵詞】：個性化推薦系統(tǒng) 協(xié)同過濾算法 項目屬性 MAE
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 國外研究現(xiàn)狀11-13
• 1.2.2 國內(nèi)研究現(xiàn)狀13-14
• 1.3 論文主要的研究內(nèi)容14
• 1.4 論文的組織結(jié)構(gòu)14-16
• 2 個性化推薦系統(tǒng)及其核心技術(shù)16-28
• 2.1 個性化推薦系統(tǒng)概述16-18
• 2.1.1 個性化推薦系統(tǒng)的概念16
• 2.1.2 個性化推薦系統(tǒng)分類16-17
• 2.1.3 個性化推薦系統(tǒng)的意義17-18
• 2.2 個性化推薦系統(tǒng)構(gòu)成18-20
• 2.2.1 輸入模塊18-20
• 2.2.2 輸出模塊20
• 2.2.3 推薦系統(tǒng)算法模塊20
• 2.3 個性化推薦的核心技術(shù)20-26
• 2.3.1 基于內(nèi)容推薦21-22
• 2.3.2 貝葉斯網(wǎng)絡(luò)22-23
• 2.3.3 關(guān)聯(lián)規(guī)則23-24
• 2.3.4 聚類24-25
• 2.3.5 協(xié)同過濾25-26
• 2.4 個性化推薦系統(tǒng)的評價標(biāo)準(zhǔn)26-27
• 2.4.1 精確度26
• 2.4.2 用戶滿意程度26-27
• 2.5 本章小結(jié)27-28
• 3 協(xié)同過濾算法的研究28-38
• 3.1 協(xié)同過濾理論概述28-30
• 3.1.1 協(xié)同過濾的基本思想28
• 3.1.2 協(xié)同過濾的實現(xiàn)28-30
• 3.2 常用的協(xié)同過濾算法30-35
• 3.3.1 基于內(nèi)存的協(xié)同過濾算法31-33
• 3.3.2 基于模型的協(xié)同過濾33-34
• 3.3.3 混合推薦算法34-35
• 3.3 協(xié)同過濾算法存在的問題35-36
• 3.3.1 數(shù)據(jù)稀疏性(Sparsity)問題35-36
• 3.3.2 冷啟動(Cold-Start)36
• 3.4 本章小結(jié)36-38
• 4 基于項目的協(xié)同過濾算法優(yōu)化38-49
• 4.1 基于項目的協(xié)同過濾算法38-42
• 4.1.1 基于項目的協(xié)同過濾算法實現(xiàn)過程38-40
• 4.1.2 基于項目的協(xié)同過濾算法的優(yōu)化思路40-42
• 4.2 基于項目的協(xié)同過濾算法的優(yōu)化42-45
• 4.2.1 相似性度量方法的優(yōu)化42-44
• 4.2.2 產(chǎn)生推薦44-45
• 4.3 優(yōu)化算法的實現(xiàn)45-48
• 4.3.1 填補未評分項目的評分46-47
• 4.3.2 改進(jìn)基于項目的算法的實現(xiàn)47-48
• 4.4 本章小結(jié)48-49
• 5 算法驗證與分析49-56
• 5.1 數(shù)據(jù)集49-51
• 5.2 實驗標(biāo)準(zhǔn)及方案51-53
• 5.2.1 實驗標(biāo)準(zhǔn)51
• 5.2.2 實驗方案51-53
• 5.3 實驗結(jié)果及分析53-54
• 5.4 本章小結(jié)54-56
• 6 總結(jié)與展望56-58
• 6.1 總結(jié)56-57
• 6.2 展望57-58
• 致謝58-59
• 參考文獻(xiàn)59-62
• 攻讀學(xué)位期間的研究成果62

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張亞偉;蘇一丹;;基于移動Agent的分布式個性化推薦系統(tǒng)[J];微計算機信息;2008年09期

2 許良;汪克夷;;基于移動Agent的個性化推薦系統(tǒng)的研究[J];消費導(dǎo)刊;2008年09期

3 劉洋;;面向電子商務(wù)網(wǎng)站的個性化推薦系統(tǒng)[J];中小企業(yè)管理與科技(上旬刊);2012年01期

4 麻旺勇;葉躍苗;;基于位置感知的個性化推薦系統(tǒng)的設(shè)計與實現(xiàn)[J];福建電腦;2014年01期

5 余建芳;;個性化推薦系統(tǒng)在民族院校圖書館信息服務(wù)中的設(shè)計探析——以甘肅民族師范學(xué)院圖書館為例[J];福建電腦;2014年01期

6 楊海濤;石磊;衛(wèi)琳;;一個基于搜索結(jié)果的個性化推薦系統(tǒng)[J];計算機工程與應(yīng)用;2006年32期

7 姜有輝;高琳琦;;個性化推薦系統(tǒng)中顧客信息的隱式采集方法研究[J];現(xiàn)代情報;2006年11期

8 江秀佳;何源光;;國內(nèi)電子商務(wù)個性化推薦系統(tǒng)改進(jìn)研究[J];圖書情報工作;2009年16期

9 楊靜;;電子商務(wù)個性化推薦系統(tǒng)的構(gòu)建[J];現(xiàn)代計算機(專業(yè)版);2012年28期

10 顧麗敏;;個性化推薦系統(tǒng)研究[J];無線互聯(lián)科技;2013年08期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 黎隕;詹曉紅;孫莉;;基于頻繁遍歷路徑的個性化推薦系統(tǒng)[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國防科技大學(xué)計算機學(xué)院 應(yīng)曉敏 竇文華;古老概念的鳳凰涅i肹N];計算機世界;2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 倪鵬飛;基于顧客滿意度的電子商務(wù)個性化推薦系統(tǒng)評價研究[D];河北大學(xué);2015年

2 賈忠濤;電影個性化推薦系統(tǒng)的研究與實現(xiàn)[D];西南科技大學(xué);2015年

3 何俊;基于社交網(wǎng)絡(luò)的個性化推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];貴州大學(xué);2015年

4 肖巧龍;基于用戶隱性行為的個性化推薦系統(tǒng)的設(shè)計及研究[D];南京財經(jīng)大學(xué);2014年

5 于淼;基于LBS的個性化推薦系統(tǒng)的研究與設(shè)計[D];北京郵電大學(xué);2015年

6 汪亭廷;美味網(wǎng)電子商務(wù)個性化推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

7 陳博文;融合信任網(wǎng)絡(luò)的個性化推薦系統(tǒng)研究[D];上海交通大學(xué);2015年

8 溫瑞龍;基于社交網(wǎng)絡(luò)的個性化推薦系統(tǒng)研究與實現(xiàn)[D];浙江工業(yè)大學(xué);2015年

9 劉旭;基于情感權(quán)重的個性化推薦系統(tǒng)[D];南京郵電大學(xué);2015年

10 許植堯;基于用戶情境的個性化推薦系統(tǒng)設(shè)計與實現(xiàn)[D];內(nèi)蒙古大學(xué);2016年

  本文關(guān)鍵詞：協(xié)同過濾算法在個性化推薦系統(tǒng)中的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：273982