本文關(guān)鍵詞：協(xié)同過(guò)濾推薦技術(shù)的研究與改進(jìn)，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展給人們帶來(lái)了極大的便利，尤其是Web2.0技術(shù)出現(xiàn)以來(lái)，人們?cè)诰W(wǎng)絡(luò)上不斷創(chuàng)造大量的信息。然而，過(guò)量的信息使得用戶難以迅速有效地找到自己感興趣的信息，導(dǎo)致“信息過(guò)載”問(wèn)題。目前，搜索引擎和個(gè)性化推薦技術(shù)是解決這一問(wèn)題的有效途徑。然而一般的搜索引擎只能在用戶需求明確的情況下提供非個(gè)性化的信息過(guò)濾，個(gè)性化推薦技術(shù)的出現(xiàn)正是彌補(bǔ)搜索引擎的這一不足之處。 作為目前推薦系統(tǒng)中應(yīng)用最廣泛、最成功的推薦技術(shù)之一，協(xié)同過(guò)濾技術(shù)得到了研究者的廣泛關(guān)注。本文從相似度計(jì)算和評(píng)分預(yù)測(cè)兩個(gè)角度對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦技術(shù)進(jìn)行改進(jìn)。 相似度計(jì)算是協(xié)同過(guò)濾推薦技術(shù)的核心。目前常用的相似度計(jì)算方法主要有皮爾森相關(guān)系數(shù)、余弦相似度。本文首先實(shí)驗(yàn)分析了傳統(tǒng)相似性計(jì)算方法的特點(diǎn)與不足，在確定用戶間相似性時(shí)僅考慮公共評(píng)分?jǐn)?shù)值，導(dǎo)致相似性準(zhǔn)確度不高。由此提出從非公共評(píng)分?jǐn)?shù)值角度來(lái)度量傳統(tǒng)相似度可靠程度的置信度函數(shù)。新的相似度定義為傳統(tǒng)相似度和置信度函數(shù)的乘積，，因此新相似度計(jì)算方法結(jié)合了公共評(píng)分的數(shù)值信息和非數(shù)值部分的信息。 評(píng)分預(yù)測(cè)是推薦系統(tǒng)的重要任務(wù)。本文分析了傳統(tǒng)評(píng)分預(yù)測(cè)方法的不足，并提出了基于用戶興趣的評(píng)分預(yù)測(cè)方法。新預(yù)測(cè)方法在預(yù)測(cè)評(píng)分時(shí)考慮了用戶對(duì)不同類型項(xiàng)目的評(píng)分偏好，從而使預(yù)測(cè)得到的評(píng)分更加準(zhǔn)確。 本文設(shè)計(jì)了一系列實(shí)驗(yàn)驗(yàn)證上述兩種改進(jìn)方法的有效性，結(jié)果表明：本文提出的相似度計(jì)算和評(píng)分預(yù)測(cè)方法能得到更好的預(yù)測(cè)精確度和覆蓋率。
【關(guān)鍵詞】：個(gè)性化推薦 協(xié)同過(guò)濾 置信度函數(shù) 用戶評(píng)分偏好
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3
【目錄】：

• 摘要6-7
• ABSTRACT7-10
• 第一章 緒論10-16
• 1.1 選題背景和意義10-12
• 1.2 國(guó)內(nèi)外研究歷史與現(xiàn)狀12-14
• 1.3 課題的研究?jī)?nèi)容14-15
• 1.4 論文的組織結(jié)構(gòu)15-16
• 第二章 個(gè)性化推薦系統(tǒng)16-31
• 2.1 推薦系統(tǒng)概述16-17
• 2.2 個(gè)性化推薦算法17-23
• 2.2.1 基于內(nèi)容的推薦18-19
• 2.2.2 協(xié)同過(guò)濾推薦19-22
• 2.2.2.1 基于內(nèi)存的協(xié)同過(guò)濾推薦19-21
• 2.2.2.2 基于模型的協(xié)同過(guò)濾推薦21-22
• 2.2.3 混合方法22-23
• 2.3 推薦算法的評(píng)價(jià)23-28
• 2.3.1 推薦算法實(shí)驗(yàn)數(shù)據(jù)集24
• 2.3.2 推薦算法的評(píng)價(jià)指標(biāo)24-28
• 2.3.2.1 預(yù)測(cè)準(zhǔn)確性24-26
• 2.3.2.2 推薦準(zhǔn)確性26-27
• 2.3.2.3 其他27-28
• 2.4 推薦系統(tǒng)面臨的問(wèn)題28-30
• 2.4.1 數(shù)據(jù)稀疏性問(wèn)題28-29
• 2.4.2 冷啟動(dòng)問(wèn)題29-30
• 2.4.3 可擴(kuò)展性問(wèn)題30
• 2.5 本章小結(jié)30-31
• 第三章 結(jié)合置信度函數(shù)的協(xié)同過(guò)濾推薦方法31-53
• 3.1 傳統(tǒng)相似度計(jì)算方法31-32
• 3.2 傳統(tǒng)相似度的問(wèn)題32-35
• 3.3 置信度函數(shù)及其推導(dǎo)35-39
• 3.4 算法流程39-40
• 3.5 實(shí)驗(yàn)與分析40-52
• 3.5.1 實(shí)驗(yàn)一、參數(shù)α對(duì)實(shí)驗(yàn)效果的影響40-43
• 3.5.2 實(shí)驗(yàn)二、參數(shù)θ對(duì)實(shí)驗(yàn)效果的影響43-45
• 3.5.3 實(shí)驗(yàn)三、參數(shù)λ對(duì)實(shí)驗(yàn)效果的影響45-48
• 3.5.4 實(shí)驗(yàn)四、與其他相似度計(jì)算方法的比較48-52
• 3.6 本章小結(jié)52-53
• 第四章 基于用戶興趣的評(píng)分預(yù)測(cè)方法53-62
• 4.1 引言53
• 4.2 用戶興趣53-55
• 4.3 基于用戶興趣的評(píng)分預(yù)測(cè)方法55-56
• 4.4 實(shí)驗(yàn)與分析56-59
• 4.4.1 實(shí)驗(yàn)一、閾值θ的確定56-57
• 4.4.2 實(shí)驗(yàn)二、各評(píng)分預(yù)測(cè)方法的比較57-59
• 4.5 本章小結(jié)59-62
• 第五章 總結(jié)與展望62-64
• 5.1 總結(jié)62-63
• 5.2 展望63-64
• 參考文獻(xiàn)64-69
• 攻讀碩士學(xué)位期間完成的工作69-70
• 致謝70

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李穎;李永麗;蔡觀洋;;基于雙重閾值近鄰查找的協(xié)同過(guò)濾算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年06期

2 蔣盛益;楊博泓;吳美玲;;基于快速社區(qū)檢測(cè)的協(xié)同過(guò)濾推薦算法[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

3 陶維成;王婷婷;姚琪;;基于Mahout的推薦系統(tǒng)構(gòu)建[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年02期

4 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

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

6 王越;程昌正;;協(xié)同過(guò)濾算法在電影推薦中的應(yīng)用[J];四川兵工學(xué)報(bào);2014年05期

7 胡祥;王文東;龔向陽(yáng);王柏;闕喜戎;;基于流形排序的社會(huì)化推薦方法[J];北京郵電大學(xué)學(xué)報(bào);2014年03期

8 陶彩霞;袁海;陳康;馬安華;;靈活適應(yīng)不同業(yè)務(wù)的個(gè)性化推薦系統(tǒng)研究[J];電信科學(xué);2014年08期

9 孫曉晨;徐雅斌;;位置社交網(wǎng)絡(luò)的潛在好友推薦模型研究[J];電信科學(xué);2014年10期

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

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 王國(guó)霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

2 董媛香;肖智;王現(xiàn)寧;;基于軟集合和HeatS+ProbS的混合輸入推薦算法研究[A];2013中國(guó)信息經(jīng)濟(jì)學(xué)會(huì)學(xué)術(shù)年會(huì)暨博士生論壇論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 馬琳;面向移動(dòng)互聯(lián)網(wǎng)的開(kāi)放服務(wù)技術(shù)架構(gòu)及若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2013年

2 王慧賢;社交網(wǎng)絡(luò)媒體平臺(tái)用戶參與激勵(lì)機(jī)制研究[D];北京郵電大學(xué);2013年

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

4 李璐;基于MP2P的內(nèi)容分發(fā)機(jī)制研究[D];哈爾濱工程大學(xué);2013年

5 冷亞軍;協(xié)同過(guò)濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2013年

6 馮玉翔;大規(guī)模分布式環(huán)境下動(dòng)態(tài)信任管理機(jī)制的研究[D];華南理工大學(xué);2013年

7 孔維梁;協(xié)同過(guò)濾推薦系統(tǒng)關(guān)鍵問(wèn)題研究[D];華中師范大學(xué);2013年

8 梁錫軍;稀疏優(yōu)化在機(jī)器學(xué)習(xí)中的若干應(yīng)用[D];大連理工大學(xué);2013年

9 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

10 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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 涂金龍;基于tag的個(gè)性化推薦技術(shù)研究[D];重慶大學(xué);2013年

2 陳顯勇;融合用戶屬性和興趣的最大熵推薦算法研究[D];重慶大學(xué);2013年

3 黃曉鳳;并行協(xié)同過(guò)濾推薦模型的研究[D];重慶大學(xué);2013年

4 汪毅峰;基于數(shù)據(jù)挖掘的個(gè)性化推薦系統(tǒng)的研究與設(shè)計(jì)[D];南昌大學(xué);2013年

5 王強(qiáng);基于協(xié)同過(guò)濾算法的電子商務(wù)推薦系統(tǒng)研究[D];太原理工大學(xué);2013年

6 陳永光;基于OPAC的高校圖書(shū)館個(gè)性化圖書(shū)推薦算法研究[D];南京理工大學(xué);2013年

7 徐莉;基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)推薦系統(tǒng)的研究[D];北京郵電大學(xué);2013年

8 代金龍;協(xié)同過(guò)濾算法中數(shù)據(jù)稀疏性問(wèn)題研究[D];重慶大學(xué);2013年

9 蔡孟松;基于社交用戶標(biāo)簽的混合個(gè)性化推薦研究[D];重慶大學(xué);2013年

10 孫歆;基于協(xié)同過(guò)濾技術(shù)的SCORM數(shù)字化教學(xué)資源庫(kù)研究[D];浙江工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：協(xié)同過(guò)濾推薦技術(shù)的研究與改進(jìn)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：359879