本文關鍵詞：基于二部圖的推薦算法研究　出處：《南京航空航天大學》2015年碩士論文　論文類型：學位論文

  更多相關文章： 推薦系統(tǒng) 復雜網(wǎng)絡 協(xié)同過濾 選擇性隨機游走 二部圖

【摘要】：電子商務的快速發(fā)展使互聯(lián)網(wǎng)信息呈爆炸性增長,持續(xù)增加的商品和服務在豐富用戶選擇的同時,不可避免的引發(fā)了信息過載(Information Load)問題:用戶在找到自己需要的商品之前,往往需要瀏覽大量的無關信息,信息使用效率下降。在此情況下,推薦系統(tǒng)應運而生。20世紀90年代以來,出現(xiàn)了大量的推薦系統(tǒng)方面的研究成果,本文主要研究了推薦系統(tǒng)領域的一類算法——基于二部圖的推薦算法。復雜網(wǎng)絡推薦算法的經(jīng)典算法是基于二部圖網(wǎng)絡結(jié)構(gòu)的推薦算法,但以往研究通常不考慮用戶對項目的顯式評分或是直接排除低分項目,造成信息丟失,數(shù)據(jù)更加稀疏。針對此問題,本文改進了這一推薦算法,在用戶推薦能量流動時充分考慮用戶對項目的顯式評分,首次提出用戶興趣相似系數(shù)和用戶評分代表能力兩個概念。實驗結(jié)果表明,改進后的算法能有效提高推薦算法的準確性,使推薦服務更好地滿足用戶的偏好需求。傳統(tǒng)協(xié)同過濾推薦算法存在可擴展性差,多樣性低,多樣性與準確性不平衡問題。本文根據(jù)復雜網(wǎng)絡理論,將顯式用戶行為數(shù)據(jù)與隱式用戶行為數(shù)據(jù)分別映射為有權(quán)二部圖與無權(quán)二部圖。在網(wǎng)絡局部范圍內(nèi),首次使用選擇性隨機游走代替?zhèn)鹘y(tǒng)的Pearson相關系數(shù)、余弦相似性或修正的余弦相似性方法來計算用戶之間的相似度,通過制定游走過程中的目標節(jié)點選擇策略,避免了明星用戶與多個用戶產(chǎn)生弱連接,從而有效提高了算法的多樣性。此外,選擇性隨機游走的魯棒性保證了推薦算法的可擴展性。本文采用Movielens和Netflix顯式數(shù)據(jù)集以及TMALL隱式數(shù)據(jù)集進行實驗。結(jié)果表明:無論是在顯式數(shù)據(jù)集上的實驗還是隱式數(shù)據(jù)集的實驗,與經(jīng)典的基于用戶的協(xié)同過濾的推薦算法和基于冪律函數(shù)的協(xié)同過濾推薦算法相比,本文算法在保持推薦準確性的同時,提高了推薦的多樣性,緩解了推薦多樣性與準確性不平衡的問題。
[Abstract]:The rapid development of E-commerce makes the Internet information exploding, the increasing of goods and services in the rich user choices at the same time, inevitably lead to information overload (Information Load): before the users find the goods they need, often need to browse a large number of irrelevant information, decrease the efficiency of information application. In this case, since the.20 century recommendation system came into being in 90s, the research results of many aspects of the recommendation system, this paper mainly studies the field of recommender system algorithms - recommendation algorithm based on the two plans. The classical algorithm of complex network recommendation algorithm is recommended two map algorithm based on network structure, but previous studies usually do not consider the user explicit ratings of the items or directly out of the low, caused by the loss of information, the data is more sparse. Aiming at this problem, this paper has improved the A recommendation algorithm, considering the explicit user ratings of the items in the user recommended energy flow, first proposed the user interest similarity and user rating on behalf of two concepts. The experimental results show that the improved algorithm can effectively improve the accuracy of the recommendation algorithm, make the recommendation service satisfy the user preference of traditional collaborative. Filtering algorithms are poor in scalability, low diversity, diversity and accuracy imbalance. Based on complex network theory, the explicit and implicit user behavior data type user behavior data are mapped to the right two to two map and map. In the local area network for the first time, the use of selective random walk the Pearson correlation coefficient instead of the cosine similarity or adjusted cosine similarity to calculate the similarity between users through the method, the target node in the process of making migration Selection strategy to avoid the star user and multiple users have weak connections, so as to improve the diversity of the algorithm. In addition, the robustness of the selective random walk to ensure the scalability of the recommendation algorithm. This paper uses the Movielens and Netflix data sets and TMALL explicit implicit data set. Experimental results show that: no matter in the data set on the explicit or implicit experimental data sets and experimental, and collaborative filtering recommendation algorithm and compared the collaborative filtering recommendation algorithm based on user power-law function based on the classic, the algorithm can maintain recommendation accuracy at the same time, improve the diversity of recommendations, alleviate the recommended diversity and accuracy the balance of the problem.

【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[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;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

相關會議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：1415310