本文關(guān)鍵詞：融合蟻群算法的用戶瀏覽路徑推薦系統(tǒng)研究

  更多相關(guān)文章： 推薦系統(tǒng) 協(xié)同過濾 蟻群算法 推薦系統(tǒng)多樣性

【摘要】：在信息爆炸的網(wǎng)絡(luò)時(shí)代,互聯(lián)網(wǎng)中所包含的信息量正以指數(shù)級(jí)的速度成倍增長(zhǎng),簡(jiǎn)單的搜索引擎已經(jīng)不能滿足用戶從大量的信息中搜尋并獲取有效信息,信息利用率低。為了解決該問題,研究人員提出推薦系統(tǒng)。推薦系統(tǒng)是一種新型的專家系統(tǒng),它可以通過對(duì)用戶的歷史行為進(jìn)行分析,從而在這些歷史信息中發(fā)現(xiàn)用戶的行為習(xí)慣和偏好。研究人員將這些分析的思想進(jìn)一步總結(jié)從而形成推薦算法,此后就可以利用該推薦算法向用戶推薦商品或其他信息,為用戶從海量數(shù)據(jù)中獲取有效信息提供了方便。 本文首先討論了推薦系統(tǒng)中的核心算法,詳盡分析了各推薦算法的原理,并比較相互之間的優(yōu)劣。為了進(jìn)一步提高推薦系統(tǒng)的推薦質(zhì)量,本文在協(xié)同過濾算法中融合了仿生學(xué)蟻群算法,從而設(shè)計(jì)了一種新型的推薦算法。該算法模擬螞蟻覓食原理,將用戶視為“螞蟻”,目標(biāo)商品視為“食物”,利用螞蟻之間通過信息素的交流來(lái)預(yù)測(cè)用戶下一步將要瀏覽的商品項(xiàng)目,并通過實(shí)驗(yàn)測(cè)試該算法在預(yù)測(cè)準(zhǔn)確度和分類準(zhǔn)確度的表現(xiàn)。 推薦系統(tǒng)的準(zhǔn)確性并不是衡量推薦系統(tǒng)好壞的唯一標(biāo)準(zhǔn),本文還將多樣性指標(biāo)引入推薦系統(tǒng),使推薦系統(tǒng)更具個(gè)性化,提高用戶的友好性。通過實(shí)驗(yàn),將本文提出的算法在標(biāo)準(zhǔn)數(shù)據(jù)集MovieLens上進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明該方法可有效的減少由數(shù)據(jù)集稀疏帶來(lái)的問題,提高推薦結(jié)果的準(zhǔn)確率和召回率,并可使推薦結(jié)果具有多樣性。
【關(guān)鍵詞】：推薦系統(tǒng) 協(xié)同過濾 蟻群算法 推薦系統(tǒng)多樣性
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3;TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-11
• 第一章 引言11-14
• 1.1 研究背景11-12
• 1.2 研究目的與內(nèi)容12-14
• 第二章 推薦算法研究概述14-33
• 2.1 基于內(nèi)容的推薦算法14-16
• 2.2 協(xié)同過濾推薦算法16-17
• 2.3 基于二部圖關(guān)系的推薦算法17-20
• 2.4 基于網(wǎng)絡(luò)圖隨機(jī)游走的推薦算法20-25
• 2.5 混合推薦25-26
• 2.6 幾種典型的推薦算法綜合比較26-28
• 2.7 推薦算法評(píng)價(jià)指標(biāo)28-30
• 2.8 推薦系統(tǒng)研究面臨的挑戰(zhàn)30-33
• 第三章 基于蟻群算法的用戶瀏覽路徑推薦方法33-50
• 3.1 蟻群算法概述33-37
• 3.1.1 蟻群算法的原理33-35
• 3.1.2 蟻群算法的數(shù)學(xué)模型35-36
• 3.1.3 蟻群算法的特點(diǎn)36-37
• 3.2 蟻群算法在推薦系統(tǒng)中的應(yīng)用37-40
• 3.2.1 預(yù)備知識(shí)37-38
• 3.2.2 轉(zhuǎn)移概率函數(shù)的建立38-39
• 3.2.3 啟發(fā)式函數(shù)的設(shè)計(jì)39-40
• 3.2.4 項(xiàng)目評(píng)分更新規(guī)則40
• 3.3 實(shí)驗(yàn)設(shè)計(jì)與分析40-49
• 3.3.1 評(píng)價(jià)標(biāo)準(zhǔn)41-42
• 3.3.2 實(shí)驗(yàn)結(jié)果與分析42-49
• 3.4 本章小結(jié)49-50
• 第四章 推薦系統(tǒng)多樣性的研究50-58
• 4.1 推薦系統(tǒng)多樣性50-51
• 4.2 提高推薦系統(tǒng)多樣性的方法51-52
• 4.3 蟻群推薦系統(tǒng)多樣性的研究52-57
• 4.3.1 評(píng)價(jià)推薦系統(tǒng)多樣性的指標(biāo)52-53
• 4.3.2 實(shí)驗(yàn)結(jié)果與分析53-57
• 4.4 本章小結(jié)57-58
• 第五章 總結(jié)與期望58-61
• 參考文獻(xiàn)61-65
• 攻讀碩士學(xué)位期間發(fā)表的論文65-66
• 致謝66

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 朱郁筱;呂琳媛;;推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J];電子科技大學(xué)學(xué)報(bào);2012年02期

2 張流洋;張黎明;陳春雷;祝詠升;;蟻群算法的改進(jìn)及其在TSP問題中的應(yīng)用[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年03期

3 李濤;王建東;葉飛躍;;推薦系統(tǒng)中一種新的相似性計(jì)算方法[J];計(jì)算機(jī)科學(xué);2007年08期

4 詹士昌,徐婕,吳俊;蟻群算法中有關(guān)算法參數(shù)的最優(yōu)選擇[J];科技通報(bào);2003年05期

5 吳月萍;王娜;馬良;;基于蟻群算法的協(xié)同過濾推薦系統(tǒng)的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年10期

6 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國(guó)科技信息;2009年07期

7 ;Random walk models for top-N recommendation task[J];Journal of Zhejiang University(Science A:An International Applied Physics & Engineering Journal);2009年07期

，

本文編號(hào)：595898