本文關鍵詞：并行推薦算法的研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,隨著智能手機以及互聯(lián)網(wǎng)的快速發(fā)展,基于網(wǎng)絡的應用服務發(fā)展越來越迅猛,給人們帶來了更加豐富多元的網(wǎng)絡生活。然而,用戶同時需要面對大量網(wǎng)絡應用服務提供的信息和產(chǎn)品,從而導致信息過載問題的產(chǎn)生。解決信息過載問題的主要途徑有搜索引擎和推薦系統(tǒng)。傳統(tǒng)的搜索引擎根據(jù)用戶輸入的關鍵字提供相關的信息,缺少一定的內容與用戶的相關性分析。推薦系統(tǒng)是解決信息超載問題的另一個非常有效的途徑,它是根據(jù)用戶的基本信息、興趣、歷史瀏覽記錄等,將用戶有可能感興趣的產(chǎn)品和信息推薦給用戶的個性的推薦系統(tǒng)。相對搜索引擎來說,個性化推薦系統(tǒng)通過研究用戶的興趣偏好,進行個性化的推薦,由系統(tǒng)發(fā)現(xiàn)并推薦給用戶潛在興趣點,幫助用戶找到感興趣的信息。然而隨著數(shù)據(jù)量的增長,傳統(tǒng)的單機推薦算法將不可避免遇到性能上的瓶頸,針對大規(guī)模數(shù)據(jù)的推薦算法的并行化研究需求日益增長。 本論文先簡要介紹了并行計算框架Hadoop的并行化機制和應用,以及推薦系統(tǒng)相關的基本概念和理論基礎,然后介紹了現(xiàn)主流的推薦算法、面臨的問題和相似度量公式等問題。隨后介紹了基于矩陣因子分解、基于用戶和基于物品的協(xié)同過濾推薦算法的并行化研究與實現(xiàn),提出了一種快速的分布式的隨機梯度下降算法FDSGD用于求解矩陣因子分解問題,并對算法的性能進行了比較。同時介紹了推薦算法的一般評估準則以及評估算法的實現(xiàn)。最后根據(jù)實現(xiàn)的基于物品的推薦算法和基于矩陣因子分解的推薦算法,設計并實現(xiàn)了一個圖書推薦系統(tǒng),直觀展示了算法與實際相結合的應用場景。
【關鍵詞】：推薦算法 并行化 矩陣因子分解 推薦系統(tǒng)
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-15
• 1.1 課題研究背景與現(xiàn)狀10-12
• 1.2 課題的研究內容和意義12-13
• 1.3 論文結構安排13-15
• 第二章 相關概念與技術15-23
• 2.1 推薦系統(tǒng)15
• 2.2 相似度度量15-18
• 2.2.1 皮爾森相似度(Pearson Correlation)16
• 2.2.2 歐式距離相似度(Euclidean Di stance Similarity)16-17
• 2.2.3 余弦相似度(Cosine Similarity)17
• 2.2.4 調整余弦相似度(Adjusted Cosine Similarity)17-18
• 2.3 常用推薦算法18-21
• 2.3.1 基于矩陣因子分解的推薦算法18-19
• 2.3.2 基于用戶的協(xié)同過濾推薦算法19-20
• 2.3.3 基于物品的協(xié)同過濾推薦算法20
• 2.3.4 其他方法簡介20-21
• 2.4 可能面臨的問題21-22
• 2.4.1 稀疏性問題21
• 2.4.2 冷啟動問題21-22
• 2.4.3 可擴展性問題22
• 2.5 小結22-23
• 第三章 推薦算法的并行化研究與實現(xiàn)23-47
• 3.1 評分矩陣23-25
• 3.2 基于矩陣因子分解的推薦算法并行化研究與實現(xiàn)25-36
• 3.2.1 矩陣分解問題25-26
• 3.2.2 隨機梯度下降算法26-27
• 3.2.3 并行化研究與實現(xiàn)27-36
• 3.3 基于用戶的協(xié)同推薦算法并行化研究與實現(xiàn)36-40
• 3.3.1 用戶相似度36-38
• 3.3.2 推薦物品38-40
• 3.4 基于物品的協(xié)同推薦算法并行化研究與實現(xiàn)40-43
• 3.4.1 物品相似度40-41
• 3.4.2 推薦物品41-43
• 3.5 實驗分析43-46
• 3.5.1 實驗環(huán)境與數(shù)據(jù)集43-44
• 3.5.2 FDSGD實驗分析44-45
• 3.5.3 User CF與Item CF實驗分析45-46
• 3.6 小結46-47
• 第四章 推薦算法評估47-52
• 4.1 評估方案概述47-50
• 4.1.1 評分預測準確度48-49
• 4.1.2 分類準確度49-50
• 4.2 評估方法實現(xiàn)50-51
• 4.3 評估實驗51
• 4.4 小結51-52
• 第五章 圖書推薦系統(tǒng)設計與實現(xiàn)52-66
• 5.1 需求分析52-56
• 5.1.1 需求概述52-56
• 5.1.2 運行環(huán)境概述56
• 5.2 總體設計56-58
• 5.2.1 系統(tǒng)架構56-57
• 5.2.2 數(shù)據(jù)庫設計57-58
• 5.3 詳細設計與實現(xiàn)58-65
• 5.3.1 用戶管理模塊58-60
• 5.3.2 非個性化推薦模塊60-63
• 5.3.3 推薦模塊63-65
• 5.4 小結65-66
• 第六章 總結與展望66-68
• 6.1 總結66-67
• 6.2 展望67-68
• 參考文獻68-70
• 致謝70-71
• 攻讀學位期間發(fā)表的學術論文目錄71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 劉建國;周濤;郭強;汪秉宏;;個性化推薦系統(tǒng)評價方法綜述[J];復雜系統(tǒng)與復雜性科學;2009年03期

2 蔡偉杰,張曉輝,朱建秋,朱揚勇;關聯(lián)規(guī)則挖掘綜述[J];計算機工程;2001年05期

3 曾春,邢春曉,周立柱;基于內容過濾的個性化搜索算法[J];軟件學報;2003年05期

  本文關鍵詞：并行推薦算法的研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：386455