發(fā)布時(shí)間：2017-04-25 04:12

  本文關(guān)鍵詞：基于粒子群聚類的協(xié)同過濾推薦算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展,當(dāng)今生活每天都會(huì)產(chǎn)生數(shù)以億計(jì)的信息。信息數(shù)量的過度膨脹,使人們逐漸進(jìn)入了“信息過載”的時(shí)代。在這個(gè)時(shí)代,人們越來越難以快速準(zhǔn)確獲取自己所需要的信息。根據(jù)皮尤研究中心的最新報(bào)告,“信息過載”問題可能成為未來威脅網(wǎng)絡(luò)自由的一個(gè)重要挑戰(zhàn)。目前,解決“信息過載“問題的信息過濾機(jī)制主要包括搜索引擎和推薦系統(tǒng)。搜索引擎的搜索結(jié)果跟用戶對信息的描述有很大的關(guān)聯(lián),即信息描述越準(zhǔn)確,搜索結(jié)果越好。并且搜索引擎對圖片、音樂和視頻等信息不能夠很好的處理。而推薦系統(tǒng)不需要用戶對信息提供準(zhǔn)確的描述,它可以從用戶的一些歷史行為中預(yù)測用戶的需求和興趣,把用戶需要的信息推薦給用戶。并且,推薦系統(tǒng)可以很好的處理圖片、音樂和視頻等信息。在未來的社會(huì)中,推薦系統(tǒng)會(huì)逐漸成為解決“信息過載”的主要工具,對人們的生活變得越來越重要。目前,個(gè)性化推薦系統(tǒng)已經(jīng)應(yīng)用到很多領(lǐng)域,如電子商務(wù)、電影和視頻、音樂等。隨之也產(chǎn)生了各種各樣的推薦技術(shù),如基于內(nèi)容的推薦技術(shù)、協(xié)同過濾推薦技術(shù)、基于圖的技術(shù)等等。在諸多的推薦技術(shù)中,協(xié)同過濾推薦技術(shù)應(yīng)用最多最廣泛,是個(gè)性化推薦系統(tǒng)中的主要技術(shù)。然而,隨著協(xié)同過濾推薦系統(tǒng)中用戶和項(xiàng)目的急劇增加,協(xié)同過濾推薦技術(shù)面臨著“數(shù)據(jù)稀疏性”和“冷啟動(dòng)”等諸多挑戰(zhàn)。本文主要針對協(xié)同過濾推薦算法中的“數(shù)據(jù)稀疏性”問題進(jìn)行研究。主要研究工作如下：1.在基于用戶偏好K-means聚類的協(xié)同過濾推薦算法的基礎(chǔ)上,分析聚類結(jié)果對推薦精度的影響,提出基于用戶偏好粒子群聚類的協(xié)同過濾推薦算法。詳細(xì)介紹基于用戶偏好聚類的協(xié)同過濾推薦算法的原理和實(shí)現(xiàn)過程。通過仿真實(shí)驗(yàn)證明,所提出的算法比基于用戶偏好K-means聚類的協(xié)同過濾推算法具有更高的推薦精度。2.在基于用戶偏好粒子群聚類協(xié)同過濾推薦算法的基礎(chǔ)上,分析用戶特征對用戶選擇的影響,提出基于用戶綜合信息粒子群聚類的協(xié)同過濾推薦算法。該算法綜合考慮用戶特征和用戶偏好信息對用戶進(jìn)行粒子群聚類和最近鄰居集選擇。通過仿真實(shí)驗(yàn)證明,該算法相比基于用戶偏好粒子群聚類的協(xié)同過濾推薦算法有更高的推薦精度。3.在用戶綜合信息粒子群聚類協(xié)同過濾推薦算法的基礎(chǔ)上,結(jié)合個(gè)性化推薦系統(tǒng)在電影方面的應(yīng)用,設(shè)計(jì)了一個(gè)簡單推薦系統(tǒng)原型,通過收集用戶的特征和偏好信息,為用戶推薦其感興趣的電影。
【關(guān)鍵詞】：推薦系統(tǒng) 協(xié)同過濾 粒子群聚類 K-means聚類 冷啟動(dòng) 數(shù)據(jù)稀疏性
【學(xué)位授予單位】：中央民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3
【目錄】：

• 摘要3-5
• Abstract5-14
• 第一章 緒論14-19
• 1.1 研究背景及意義14-15
• 1.2 協(xié)同過濾推薦技術(shù)研究現(xiàn)狀15-17
• 1.3 本文的研究內(nèi)容17-18
• 1.4 本文的組織結(jié)構(gòu)18-19
• 第二章 協(xié)同過濾推薦算法和粒子群聚類算法綜述19-24
• 2.1 協(xié)同過濾推薦算法19-21
• 2.2 粒子群聚類算法21-23
• 2.3 本章小結(jié)23-24
• 第三章 基于用戶偏好PSO+K-means聚類的協(xié)同過濾推薦算法研究24-33
• 3.1 用戶偏好模型及相似性24-25
• 3.2 基于用戶偏好PSO+K-means聚類25-27
• 3.3 基于用戶偏好PSO+K-means聚類的最近鄰居查詢27-28
• 3.4 與基于用戶偏好K-means聚類的協(xié)同過濾推薦算法對比分析28-32
• 3.4.1 仿真實(shí)驗(yàn)環(huán)境介紹28-29
• 3.4.2 對比分析29-32
• 3.5 本章小結(jié)32-33
• 第四章 基于用戶綜合信息PSO+K-means聚類的協(xié)同過濾推薦算法研究33-43
• 4.1 用戶特征相似性33-35
• 4.2 用戶綜合相似性35
• 4.3 基于用戶綜合相似性的PSO+K-means聚類35-37
• 4.4 基于用戶綜合相似性聚類的最近鄰居查詢37-38
• 4.5 仿真實(shí)驗(yàn)與分析38-42
• 4.5.1 不同用戶特征權(quán)重下算法的對比分析38-40
• 4.5.2 與User-based PSO+K-means CF算法對比分析40-42
• 4.6 本章小結(jié)42-43
• 第五章 基于用戶綜合信息的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)43-51
• 5.1 系統(tǒng)簡介43-44
• 5.2 系統(tǒng)設(shè)計(jì)44-46
• 5.2.1 數(shù)據(jù)庫設(shè)計(jì)44-45
• 5.2.2 功能設(shè)計(jì)45-46
• 5.3 系統(tǒng)實(shí)現(xiàn)46-50
• 5.3.1 用戶評(píng)分功能實(shí)現(xiàn)46-47
• 5.3.2 電影推薦功能實(shí)現(xiàn)47-50
• 5.4 本章小結(jié)50-51
• 第六章 總結(jié)與展望51-53
• 6.1 總結(jié)51-52
• 6.2 工作展望52-53
• 參考文獻(xiàn)53-57
• 致謝57-58
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄58

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 印桂生;張亞楠;董宇欣;韓啟龍;;基于受限信任關(guān)系和概率分解矩陣的推薦[J];電子學(xué)報(bào);2014年05期

2 張磊;;基于遺忘曲線的協(xié)同過濾研究[J];電腦知識(shí)與技術(shù);2014年12期

3 盧志翔;;網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)個(gè)性化實(shí)時(shí)推薦策略研究[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年03期

4 朱思丞;黃瑛;孫志鋒;;推薦算法時(shí)間動(dòng)態(tài)特性研究進(jìn)展[J];工業(yè)控制計(jì)算機(jī);2015年08期

5 琚春華;黃治移;鮑福光;;融入音樂子人格特質(zhì)和社交網(wǎng)絡(luò)行為分析的音樂推薦方法[J];電信科學(xué);2015年10期

6 王宗武;;基于信任用戶聯(lián)合聚類的協(xié)同過濾算法[J];計(jì)算機(jī)與現(xiàn)代化;2013年09期

7 田志龍;張桂平;王裴巖;;基于主動(dòng)學(xué)習(xí)技術(shù)的企業(yè)模型輔助構(gòu)建[J];沈陽航空航天大學(xué)學(xué)報(bào);2013年05期

8 莫同;褚偉杰;李偉平;吳中海;;一種基于擴(kuò)展FP-TREE的服務(wù)推薦方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

9 洪朝群;陳亮;馮怡鵬;吳健;;一種融合反向交叉預(yù)測的QoS預(yù)測方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

10 汪從梅;王成良;徐玲;;自適應(yīng)用戶的Item-based協(xié)同過濾推薦算法[J];計(jì)算機(jī)應(yīng)用研究;2013年12期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 楊淑枝;;基于協(xié)同過濾的協(xié)作學(xué)習(xí)活動(dòng)推薦系統(tǒng)[A];計(jì)算機(jī)與教育：理論、實(shí)踐與創(chuàng)新——全國計(jì)算機(jī)輔助教育學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李聰;協(xié)同過濾推薦系統(tǒng)托攻擊防御技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

2 吉祥;面向產(chǎn)品綠色設(shè)計(jì)的知識(shí)建模及應(yīng)用技術(shù)研究[D];浙江大學(xué);2013年

3 廉捷;基于用戶特征的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘研究[D];北京交通大學(xué);2014年

4 劉海鷗;云環(huán)境用戶情景興趣的移動(dòng)商務(wù)推薦模型及應(yīng)用研究[D];燕山大學(xué);2013年

5 崔昊e

本文編號(hào)：325601