本文關(guān)鍵詞：結(jié)合用戶興趣變化的推薦算法研究

  更多相關(guān)文章： 推薦系統(tǒng) 組推薦 用戶興趣 用戶特性 協(xié)同過濾 偏好融合

【摘要】：伴隨著信息化的不斷普及與互聯(lián)網(wǎng)技術(shù)的不斷創(chuàng)新,信息過載問題從更多、更廣的方面影響著我們的生活。推薦系統(tǒng)已經(jīng)成為繼搜索引擎之后處理信息過載問題的又一有力武器。如今傳統(tǒng)推薦系統(tǒng)在諸多領(lǐng)域都已經(jīng)取得巨大的成功,但是隨著用戶需求的變化,傳統(tǒng)推薦系統(tǒng)不能為用戶群組產(chǎn)生推薦的弊端逐漸顯現(xiàn)出來,為此組推薦系統(tǒng)應(yīng)運(yùn)而生。組推薦系統(tǒng)能夠支持多成員群組的推薦服務(wù),已經(jīng)成為推薦系統(tǒng)中新的研究熱點(diǎn)。傳統(tǒng)推薦算法和組推薦算法中,都沒有對(duì)用戶興趣變化問題進(jìn)行考慮,從而造成了推薦準(zhǔn)確性的下降,在一些基于時(shí)間加權(quán)的協(xié)同過濾算法中對(duì)推薦時(shí)效性的考慮也有所欠缺。針對(duì)這些問題,本文通過對(duì)傳統(tǒng)推薦算法與組推薦算法的研究,分析了用戶興趣變化對(duì)各個(gè)算法的影響,在傳統(tǒng)推薦算法中提出了一種適應(yīng)用戶興趣變化的改進(jìn)型協(xié)同過濾算法,在組推薦算法中提出了一種結(jié)合用戶特性和用戶興趣變化的組推薦算法。適應(yīng)用戶興趣變化的改進(jìn)型協(xié)同過濾算法在傳統(tǒng)協(xié)同過濾算法的基礎(chǔ)上結(jié)合用戶興趣隨時(shí)間轉(zhuǎn)移的特點(diǎn),改進(jìn)了相似度的度量方法,同時(shí)引入了一種增強(qiáng)的時(shí)間衰減模型來度量預(yù)測(cè)值,并且將這兩種方式有機(jī)的結(jié)合起來,解決了用戶興趣變化問題,同時(shí)考慮了推薦算法的時(shí)效性。在仿真實(shí)驗(yàn)中,分別在不同的數(shù)據(jù)集上對(duì)比該算法與UserCF-BP、UserCF-BE、TCNCF以及PTCF的預(yù)測(cè)評(píng)分準(zhǔn)確度和TopN推薦準(zhǔn)確度后發(fā)現(xiàn),本文提出的算法能夠有效的提高預(yù)測(cè)評(píng)分準(zhǔn)確度以及TopN推薦準(zhǔn)確度。結(jié)合用戶特性和群組興趣變化的組推薦算法首先根據(jù)用戶特性使用聚類方法進(jìn)行群組發(fā)現(xiàn)；其次為了能夠更好的模擬用戶興趣變化,在組推薦算法中提出了一種時(shí)間懲罰協(xié)同過濾算法,并使用該算法對(duì)群組內(nèi)的成員評(píng)分進(jìn)行預(yù)測(cè)；最后鑒于現(xiàn)有偏好融合策略的局限性,提出了比重偏好融合策略,通過結(jié)合使用現(xiàn)有偏好融合策略來彌補(bǔ)它們的不足,同時(shí)采用了評(píng)分融合方法以及比重偏好融合策略將群組內(nèi)各用戶的偏好進(jìn)行融合,得出群組預(yù)測(cè)評(píng)分,從而為群組產(chǎn)生推薦結(jié)果。在仿真實(shí)驗(yàn)中,衡量了用戶特性值數(shù)量和群組數(shù)量對(duì)算法的影響,并通過與BaseGRA、ImprovedGRA以及GRAU進(jìn)行對(duì)比后發(fā)現(xiàn),本文提出的算法能夠有效的提高組推薦的推薦準(zhǔn)確率。
【關(guān)鍵詞】：推薦系統(tǒng) 組推薦 用戶興趣 用戶特性 協(xié)同過濾 偏好融合
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3
【目錄】：

• 摘要6-7
• Abstract7-11
• 縮略語(yǔ)表11-12
• 第1章 緒論12-16
• 1.1 課題研究背景及意義12-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.2.1 傳統(tǒng)推薦系統(tǒng)研究現(xiàn)狀13-14
• 1.2.2 組推薦系統(tǒng)研究現(xiàn)狀14
• 1.3 論文主要工作和組織結(jié)構(gòu)14-16
• 1.3.1 論文主要工作14-15
• 1.3.2 論文組織結(jié)構(gòu)15-16
• 第2章 現(xiàn)有推薦系統(tǒng)及其相關(guān)技術(shù)研究16-29
• 2.1 傳統(tǒng)推薦系統(tǒng)16-24
• 2.1.1 傳統(tǒng)推薦系統(tǒng)概述16-17
• 2.1.2 常用推薦算法17-24
• 2.2 組推薦系統(tǒng)24-28
• 2.2.1 組推薦系統(tǒng)概述24
• 2.2.2 組推薦中關(guān)鍵技術(shù)24-28
• 2.3 本章小結(jié)28-29
• 第3章 傳統(tǒng)推薦算法中適應(yīng)用戶興趣變化的協(xié)同過濾算法改進(jìn)29-48
• 3.1 引言29-30
• 3.1.1 用戶興趣變化問題29-30
• 3.1.2 當(dāng)前已有解決方案30
• 3.2 基于用戶的協(xié)同過濾算法30-32
• 3.2.1 算法實(shí)現(xiàn)思想30-31
• 3.2.2 算法實(shí)現(xiàn)過程31-32
• 3.3 適應(yīng)用戶興趣變化的改進(jìn)型協(xié)同過濾算法32-40
• 3.3.1 算法提出32-33
• 3.3.2 算法描述33-37
• 3.3.3 算法過程37-40
• 3.4 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果分析40-47
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)集40-41
• 3.4.2 實(shí)驗(yàn)結(jié)果度量標(biāo)準(zhǔn)41-42
• 3.4.3 比較算法42-43
• 3.4.4 實(shí)驗(yàn)設(shè)計(jì)43-44
• 3.4.5 實(shí)驗(yàn)結(jié)果與分析44-47
• 3.5 本章小結(jié)47-48
• 第4章 結(jié)合用戶特性和群組興趣變化的組推薦算法研究48-66
• 4.1 引言48-50
• 4.1.1 群組興趣變化問題48-49
• 4.1.2 現(xiàn)有組推薦算法中的群組興趣變化49-50
• 4.2 結(jié)合用戶特性和群組興趣變化的組推薦算法50-60
• 4.2.1 算法提出50-51
• 4.2.2 算法描述51-56
• 4.2.3 算法過程56-60
• 4.3 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果分析60-65
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)集60
• 4.3.2 實(shí)驗(yàn)結(jié)果度量標(biāo)準(zhǔn)60-61
• 4.3.3 比較算法61
• 4.3.4 實(shí)驗(yàn)設(shè)計(jì)61-62
• 4.3.5 實(shí)驗(yàn)結(jié)果與分析62-65
• 4.4 本章小結(jié)65-66
• 總結(jié)與展望66-68
• 1 本文總結(jié)66-67
• 2 未來工作展望67-68
• 致謝68-69
• 參考文獻(xiàn)69-75
• 攻讀碩士學(xué)位期間發(fā)表的論文75

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時(shí)間序列性的推薦算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計(jì)算機(jī)應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁(yè)面聚類的推薦算法的改進(jìn)[J];計(jì)算機(jī)應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 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

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

7 王文;;個(gè)性化推薦算法研究[J];電腦知識(shí)與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評(píng)價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國(guó);杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號(hào)：854623