本文關(guān)鍵詞：基于隱馬爾可夫模型的推薦算法研究　出處：《哈爾濱商業(yè)大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 推薦算法 評(píng)分聚合行為畫(huà)像 隱馬爾可夫模型 高斯混合模型

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展,電子商務(wù)數(shù)據(jù)出現(xiàn)爆炸式增長(zhǎng),人們面臨著越來(lái)越嚴(yán)重的"信息過(guò)載"問(wèn)題。"信息過(guò)載"是指人們無(wú)法從海量的數(shù)據(jù)中快速準(zhǔn)確的定位到自己所需要的信息,從而對(duì)用戶(hù)的互聯(lián)網(wǎng)行為決策造成巨大的干擾。個(gè)性化推薦系統(tǒng)是電子商務(wù)系統(tǒng)中解決這一問(wèn)題的關(guān)鍵技術(shù),個(gè)性化推薦系統(tǒng)是一種基于用戶(hù)歷史購(gòu)買(mǎi)、評(píng)價(jià)行為挖掘技術(shù)的推薦系統(tǒng),其目的是方便用戶(hù)對(duì)互聯(lián)網(wǎng)信息篩選,它可以預(yù)測(cè)用戶(hù)的偏好,并為用戶(hù)的購(gòu)買(mǎi)決策提供有效的建議。如何有效的將用戶(hù)的歷史評(píng)價(jià)信息與推薦技術(shù)結(jié)合是推薦系統(tǒng)的重要問(wèn)題。通過(guò)大量深入閱讀國(guó)內(nèi)外個(gè)性化推薦系統(tǒng)的相關(guān)文獻(xiàn),發(fā)現(xiàn)主流基于用戶(hù)對(duì)項(xiàng)目評(píng)價(jià)的推薦算法限制較多、并且隨著用戶(hù)偏好的變化推薦準(zhǔn)確率隨之降低。針對(duì)個(gè)體用戶(hù)評(píng)價(jià)行為出現(xiàn)的問(wèn)題,提出一種基于關(guān)聯(lián)規(guī)則的思想,從用戶(hù)歷史評(píng)價(jià)數(shù)據(jù)中挖掘出用戶(hù)群組偏好的聚合行為來(lái)表達(dá)用戶(hù)的評(píng)價(jià)行為畫(huà)像,以該評(píng)價(jià)行為畫(huà)像作為用戶(hù)評(píng)分的上下文環(huán)境,從而降低推薦系統(tǒng)對(duì)用戶(hù)個(gè)體偏好轉(zhuǎn)移的敏感性。在此基礎(chǔ)上,為了獲得更好的用戶(hù)偏好預(yù)測(cè)效果,引入隱馬爾可夫模型(Hidden Markov Model,HMM)對(duì)離散的評(píng)價(jià)行為畫(huà)像進(jìn)行模擬。將用戶(hù)的評(píng)價(jià)序列作為觀測(cè)符號(hào)、用戶(hù)群組聚合三元評(píng)價(jià)畫(huà)像的圖模型作為隱含狀態(tài)建立HMM模型,以高斯混合模型(Gaussian Mixture Model,GMM)描述HMM的混淆矩陣,從而將用戶(hù)觀測(cè)符號(hào)與用戶(hù)的評(píng)價(jià)聚合關(guān)系圖建立關(guān)聯(lián)。通過(guò)對(duì)評(píng)分聚合行為畫(huà)像的預(yù)測(cè),解碼出用戶(hù)下一時(shí)刻概率最大的項(xiàng)目及評(píng)分從而生成用戶(hù)的商品或信息推薦。這一模型大大提高了商品推薦的準(zhǔn)確率,并且能夠隨著用戶(hù)偏好的轉(zhuǎn)移準(zhǔn)確的生成相應(yīng)的信息推薦,具有較強(qiáng)的魯棒性。實(shí)驗(yàn)結(jié)果表明基于HMM的推薦算法在準(zhǔn)確率和召回率以及推薦效率上都具有較好的性能。
【學(xué)位授予單位】：哈爾濱商業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.3;O211.62

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 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

3 呂善國(guó);吳效葵;曹義親;;基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法[J];實(shí)驗(yàn)室研究與探索;2012年07期

4 蘇瑩;劉建國(guó);郭強(qiáng);田大鋼;;考慮負(fù)面評(píng)價(jià)的個(gè)性化推薦算法研究[J];運(yùn)籌與管理;2012年06期

5 崔春生;;基于泛函網(wǎng)絡(luò)的組合推薦算法[J];系統(tǒng)工程理論與實(shí)踐;2014年04期

6 周佳;羅鐵堅(jiān);;一種基于內(nèi)容關(guān)聯(lián)的學(xué)術(shù)資源協(xié)同推薦算法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2013年01期

7 高靈渲;張巍;霍穎翔;滕少華;;改進(jìn)的聚類(lèi)模式過(guò)濾推薦算法[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

8 李汶華;熊曉棟;郭均鵬;;一種基于案例推理和協(xié)商的群體推薦算法[J];系統(tǒng)工程;2013年11期

9 廖春華;杜建強(qiáng);程春雷;李智彪;;改進(jìn)的偏最小二乘回歸推薦算法[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

10 范進(jìn);;基于多元混合準(zhǔn)則模糊模型的個(gè)性化推薦算法[J];華東經(jīng)濟(jì)管理;2007年02期

相關(guān)會(huì)議論文 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(hù)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(hù)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)：1325249