互聯(lián)網(wǎng)的快速發(fā)展在給人帶來便利的同時,也產(chǎn)生了大量的數(shù)據(jù)冗余,如何在大量數(shù)據(jù)中檢索到用戶需要的數(shù)據(jù)以及給用戶精準推薦是目前所面臨的問題。推薦系統(tǒng)其作為信息過濾的有效手段,逐漸成為計算機學術和應用領域的熱門研究對象,在互聯(lián)網(wǎng)系統(tǒng)中被廣泛地使用。傳統(tǒng)的推薦算法被劃分為基于用戶的推薦算法和基于項目的推薦算法,而協(xié)同過濾推薦算法作為經(jīng)典的基于用戶的推薦算法被廣泛應用,但是依然面對諸如推薦效率低、矩陣稀疏、用戶異常值、事務多分類等問題。因此本文針對傳統(tǒng)的協(xié)同過濾算法進行深入研究,從評分矩陣的修正和多維屬性兩個方面進行改進,利用評分矩陣的修正,解決傳統(tǒng)算法中關于用戶最近鄰搜索困難、用戶異常值以及多維事務推薦等問題。本文的工作如下:（1）本文在傳統(tǒng)算法的基礎上針對協(xié)同過濾算法推薦效率低、矩陣稀疏、用戶異常值等問題,提出修正評分的協(xié)同過濾算法。算法首先通過聚類提高用戶最近鄰的搜索效率,針對傳統(tǒng)算法中加權評分無法解決異常值問題,本文提出修正評分作為衡量指標以解決用戶異常值對于推薦算法精度的干擾。由于傳統(tǒng)算法僅考慮了用戶與用戶之間的相關性,沒有考慮事務與事務之間的關聯(lián),在給用戶進行推薦時導致推薦結果失真。... 

【文章來源】：西北師范大學甘肅省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

圖2-3層次聚類模型

第3章修正評分的協(xié)同過濾算法19協(xié)同聚類組以后再通過采用pearson相關系數(shù)對相應的用戶聚類組進行協(xié)同過濾,得到符合條件的用戶推薦聚類組。由于我們傳統(tǒng)的用戶協(xié)同過濾的算法只是考慮到了商品與用戶組間的關聯(lián)而完全忽略了推薦商品與其他商品間的關聯(lián),導致推薦商品精度的不足以及異常值的問題。本文結合加權評分和關聯(lián)規(guī)則中的置信規(guī)則提出修正評分的協(xié)同過濾算法，以更好地保證協(xié)同過濾算法推薦的精度。本文算法將用戶-商品購買記錄的商品權重作為原始數(shù)據(jù)，把整個推薦過程分為以下幾個步驟：1）數(shù)據(jù)預處理：對用戶的商品數(shù)據(jù)字符重編碼，并對應用戶的商品權重。2）用戶聚類：利用k-means聚類對用戶購買行為數(shù)據(jù)進行聚類，得到用戶聚類組。3）協(xié)同過濾，計算聚類組中目標用戶和其他用戶之間的相關系數(shù)，構建推薦組。4）考慮商品—商品的關聯(lián)，推薦組中計算目標用戶對商品的加權評分以及商品—商品的置信度，用新的衡量指標：修正評分，對商品進行推薦。5）產(chǎn)生推薦結果：對商品修正評分降序排列推薦給目標用戶3.2.1數(shù)據(jù)預處理下圖是某電商平臺某用戶購物頁面截圖，包含用戶個人購物信息，為了給用戶更精準推薦感興趣的商品以及讓數(shù)據(jù)更加直觀，我們需要對用戶-商品信息進行沖編碼，用戶重編過程以及結果如表3-1所示。圖3-1用戶-商品原始數(shù)據(jù)圖用戶-商品數(shù)據(jù)按字符格式重編碼，字母u組合不同數(shù)字表示不同用戶。字母

西北師范大學碩士學位論文30事務多分類問題，我們無法采用修正評分很好的衡量推薦結果，因此在本章在修正評分的基礎上結合事物多屬性分類問題提出事務多劃分策略。圖4-1動作類電影數(shù)據(jù)集圖4-2科幻類電影數(shù)據(jù)集

【參考文獻】：
期刊論文
[1]修正評分的協(xié)同過濾算法[J]. 賈俊杰,余欽科.  小型微型計算機系統(tǒng). 2019(12)
[2]基于用戶特征的協(xié)同過濾推薦算法[J]. 蔣宗禮,于莉.  計算機系統(tǒng)應用. 2019(08)
[3]基于協(xié)同過濾的多維度電影推薦方法研究[J]. 張家鑫,劉志勇,張琳,張倩,莎仁.  長春理工大學學報(自然科學版). 2019(02)
[4]基于信任聚類的協(xié)同過濾推薦算法[J]. 王菲,黃剛,朱崢宇.  計算機技術與發(fā)展. 2019(05)
[5]基于多維度用戶相似性度量的協(xié)同過濾推薦算法[J]. 王明佳,韓景倜.  統(tǒng)計與決策. 2018(09)
[6]網(wǎng)絡大數(shù)據(jù):現(xiàn)狀與展望[J]. 李慕白.  信息通信. 2018(01)
[7]基于均值預估的協(xié)同過濾推薦算法改進[J]. 蔣宗禮,王威,陸晨.  計算機技術與發(fā)展. 2017(05)
[8]一種解決新項目冷啟動問題的推薦算法[J]. 于洪,李俊華.  軟件學報. 2015(06)
[9]面向新讀者和新圖書的數(shù)字圖書館個性推薦冷啟動問題研究[J]. 凌霄娥,周兵,李克潮.  情報理論與實踐. 2014(08)
[10]基于網(wǎng)絡和標簽的混合推薦算法[J]. 張新猛,蔣盛益,李霞,張倩生.  計算機工程與應用. 2015(01)

博士論文
[1]協(xié)同過濾推薦系統(tǒng)關鍵問題研究[D]. 孔維梁.華中師范大學 2013

碩士論文
[1]基于聚類的協(xié)同過濾推薦算法研究[D]. 陳傳瑜.廣東工業(yè)大學 2016
[2]基于聚類的協(xié)同過濾個性化推薦算法研究[D]. 袁利.華中師范大學 2014



本文編號：2999524