本文關(guān)鍵詞：基于項目搭配度的大數(shù)據(jù)推薦算法研究

  更多相關(guān)文章： 搭配推薦 項目搭配度 排序?qū)W習(xí) 多源異構(gòu)數(shù)據(jù)

【摘要】：現(xiàn)如今,推薦系統(tǒng)面臨著數(shù)據(jù)來源多樣結(jié)構(gòu)復(fù)雜、推薦多樣性差、冷啟動等問題。而針對傳統(tǒng)推薦技術(shù)存在的推薦多樣性差的問題所提出的解決辦法又相對較少,導(dǎo)致得到的推薦結(jié)果往往同質(zhì)化嚴重,對"長尾"項目關(guān)注較少。本文對推薦系統(tǒng)面臨的問題進行了深入分析和研究,針對推薦多樣性差的問題,從項目搭配性的角度,提出了一個混合搭配推薦算法。它以真實應(yīng)用平臺產(chǎn)生的用戶、項目數(shù)據(jù)作為數(shù)據(jù)集,結(jié)合混合推薦算法的思想,首先提出了一個面向多源異構(gòu)數(shù)據(jù)的項目搭配度模型來評價項目之間的關(guān)系,然后設(shè)計并實現(xiàn)了混合項目搭配推薦算法,從而可以在用戶關(guān)注某項目時,提供與之搭配的項目的推薦。本文的主要工作如下:1、對推薦系統(tǒng)中的主流算法進行詳細敘述,并進行對比分析,本文設(shè)計混合搭配推薦的算法流程。通過關(guān)注項目之間的搭配性,來提高推薦的多樣性。2、針對數(shù)據(jù)來源復(fù)雜結(jié)構(gòu)多樣的情況,結(jié)合基于內(nèi)容、基于知識以及協(xié)同過濾算法的思想,本文提出了面向多源異構(gòu)數(shù)據(jù)的項目搭配度模型,用以評估項目之間的搭配程度。3、本文提出了基于排序?qū)W習(xí)的混合項目搭配推薦算法。與基于評分預(yù)測的推薦技術(shù)相比,本文將推薦問題轉(zhuǎn)化為排序問題,更關(guān)注搭配推薦的排序準(zhǔn)確性,也有助于提高推薦結(jié)果的多樣性。為了應(yīng)對大數(shù)據(jù)量的情況,本文在排序?qū)W習(xí)之前引入搭配融合過濾算法,來縮小排序?qū)W習(xí)的計算范圍,提高算法整體運行效率。4、本文基于從騰訊微博和淘寶數(shù)據(jù)集中抽取的數(shù)據(jù),設(shè)計實現(xiàn)了一套對比實驗,實驗表明,本文算法可以有效提高推薦結(jié)果多樣性,并且對預(yù)測項目的搭配情況有一定的效果。
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.3

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁宇新;燕澤權(quán);馮威;薛成龍;周迪;;基于有監(jiān)督主題模型的排序?qū)W習(xí)算法[J];電子學(xué)報;2015年02期

2 徐勇;陳建國;胡凌云;張林;周善英;;基于泛化語義相似的科技文獻混合推薦算法[J];情報理論與實踐;2013年02期

3 ;A Collaborative Filtering Recommendation Algorithm Based on Item and Cloud Model[J];Wuhan University Journal of Natural Sciences;2011年01期

4 王玉祥;喬秀全;李曉峰;孟洛明;;上下文感知的移動社交網(wǎng)絡(luò)服務(wù)選擇機制研究[J];計算機學(xué)報;2010年11期

5 吳湖;王永吉;王哲;王秀利;杜栓柱;;兩階段聯(lián)合聚類協(xié)同過濾算法[J];軟件學(xué)報;2010年05期

6 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

7 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

8 趙亮,胡乃靜,張守志;個性化推薦算法設(shè)計[J];計算機研究與發(fā)展;2002年08期

9 潘紅艷;林鴻飛;趙晶;;基于矩陣劃分和興趣方差的協(xié)同過濾算法[J];情報學(xué)報;2006年01期

10 張海鵬;李烈彪;李仙;周亞蜂;;基于項目分類預(yù)測的協(xié)同過濾推薦算法[J];情報學(xué)報;2008年02期

，

本文編號：1307736