隨著網(wǎng)絡(luò)互通技術(shù)的逐漸成長(zhǎng),人們已從信息量較少的時(shí)代跨入到信息量很多的時(shí)期,在這數(shù)據(jù)量龐大的時(shí)間點(diǎn),如果想從許多的信息中找到自己比較喜歡的內(nèi)容,這無(wú)疑很難,這些網(wǎng)絡(luò)內(nèi)容也越來(lái)越難展示給可能喜歡它們的人。為了解決這個(gè)問(wèn)題,推薦類(lèi)的應(yīng)用就應(yīng)運(yùn)而生,它的使命就是連接每個(gè)人和網(wǎng)絡(luò)內(nèi)容,尋找它們之間的聯(lián)系,從而進(jìn)行個(gè)性化的推薦。作為時(shí)下比較熱門(mén)的推薦算法:協(xié)同過(guò)濾推薦算法（CollaboratIve Filtering,CF）,它的主要功能就是預(yù)測(cè)和推薦。該推薦方式的實(shí)現(xiàn)原理是根據(jù)網(wǎng)絡(luò)使用者的曾經(jīng)在網(wǎng)絡(luò)上產(chǎn)生的數(shù)據(jù)來(lái)發(fā)掘他可能喜歡的東西,根據(jù)大家喜歡內(nèi)容的差別對(duì)網(wǎng)絡(luò)上的使用者實(shí)行分成不同的小組并舉薦喜好相近的商品。CF算法通常分成兩個(gè)不同的方式:基于使用者的協(xié)同過(guò)濾算法（User-Based CollaboratIve Filtering,UserCF）和基于商品的協(xié)同過(guò)濾算法（Item-Based Collaborative Filtering,ItemCF）。通�？梢杂萌税凑障埠脕�(lái)分,商品按照類(lèi)別來(lái)分。本文基于ItemCF來(lái)進(jìn)行研究,做的主要工作如下:（1）針對(duì)當(dāng)前CF算法存在的數(shù)據(jù)稀疏以及... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文的研究背景及意義
        1.1.1 論文研究背景
        1.1.2 論文研究意義
        1.1.3 存在的問(wèn)題
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 論文創(chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 協(xié)同過(guò)濾算法基本理論及技術(shù)
    2.1 協(xié)同過(guò)濾算法概念
    2.2 協(xié)同過(guò)濾算法分類(lèi)
        2.2.1 基于使用者的協(xié)同過(guò)濾算法
        2.2.2 基于商品的協(xié)同過(guò)濾算法
        2.2.3 基于模型的協(xié)同過(guò)濾算法
    2.3 協(xié)同過(guò)濾算法處理流程
        2.3.1 數(shù)據(jù)預(yù)處理
        2.3.2 相似度計(jì)算
        2.3.3 預(yù)測(cè)使用者喜好
        2.3.4 評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第三章 結(jié)合評(píng)分比例因子及商品屬性的協(xié)同過(guò)濾算法
    3.1 協(xié)同過(guò)濾算法存在的問(wèn)題
        3.1.1 算法擴(kuò)展性問(wèn)題
        3.1.2 算法準(zhǔn)確性問(wèn)題
    3.2 協(xié)同過(guò)濾算法改進(jìn)點(diǎn)
        3.2.1 評(píng)分比例因子的提出
        3.2.2 商品屬性權(quán)重的提出
        3.2.3 商品相似度計(jì)算方式改進(jìn)
        3.2.4 商品冷啟動(dòng)解決方法提出
    3.3 算法實(shí)現(xiàn)
        3.3.1 算法描述
        3.3.2 算法執(zhí)行流程
    3.4 算法仿真實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)環(huán)境
        3.4.2 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 結(jié)合聚類(lèi)改進(jìn)的協(xié)同過(guò)濾推薦算法
    4.1 算法改進(jìn)理論知識(shí)
        4.1.1 聚類(lèi)基本理論
        4.1.2 K-MEANS算法
    4.2 結(jié)合聚類(lèi)改進(jìn)的CF算法
        4.2.1 算法提出思想
        4.2.2 算法描述
        4.2.3 算法處理流程
    4.3 算法仿真實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)及平臺(tái)
        4.3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 結(jié)合評(píng)分比例因子及商品屬性與聚類(lèi)CF算法分析
    5.1 算法思想對(duì)比分析
    5.2 算法處理流程對(duì)比
    5.3 算法實(shí)驗(yàn)結(jié)果對(duì)比分析
    5.4 本章小結(jié)
第六章 總結(jié)及展望
    6.1 論文總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于影評(píng)挖掘的電影推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 劉慧,李鳳銀,禹繼國(guó),崔璨,葛睿.  電子技術(shù). 2018(12)
[2]一種聯(lián)合LTR和社交網(wǎng)絡(luò)的Top-k推薦方法[J]. 熊麗榮,王玲燕,黃玉柱.  小型微型計(jì)算機(jī)系統(tǒng). 2018(12)
[3]LBSN中融合信任與不信任關(guān)系的興趣點(diǎn)推薦[J]. 朱敬華,明騫.  通信學(xué)報(bào). 2018(07)
[4]基于改進(jìn)聚類(lèi)和矩陣分解的協(xié)同過(guò)濾推薦算法[J]. 王永貴,宋真真,肖成龍.  計(jì)算機(jī)應(yīng)用. 2018(04)
[5]基于多層次混合相似度的協(xié)同過(guò)濾推薦算法[J]. 袁正午,陳然.  計(jì)算機(jī)應(yīng)用. 2018(03)
[6]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計(jì)算機(jī)學(xué)報(bào). 2018(07)
[7]基于標(biāo)簽和PageRank的重要微博用戶(hù)推薦算法[J]. 王嶸冰,安維凱,馮勇,徐紅艷.  計(jì)算機(jī)科學(xué). 2018(02)
[8]基于改進(jìn)協(xié)同過(guò)濾算法的個(gè)性化新聞推薦技術(shù)[J]. 黃賢英,熊李媛,李沁東.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[9]融合用戶(hù)社會(huì)地位和矩陣分解的推薦算法[J]. 余永紅,高陽(yáng),王皓,孫栓柱.  計(jì)算機(jī)研究與發(fā)展. 2018(01)
[10]基于建構(gòu)主義學(xué)習(xí)理論的個(gè)性化知識(shí)推薦模型[J]. 謝振平,金晨,劉淵.  計(jì)算機(jī)研究與發(fā)展. 2018(01)



本文編號(hào)：3602365