隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的蓬勃發(fā)展,“信息過載”問題催生了大量的個性化服務(wù)推薦系統(tǒng)。由于協(xié)同過濾算法具有較高的推薦準(zhǔn)確度且在工程應(yīng)用領(lǐng)域易于實現(xiàn),因此在推薦領(lǐng)域中得到了廣泛應(yīng)用。然而,協(xié)同過濾算法發(fā)展至今始終面臨著數(shù)據(jù)稀疏性、冷啟動和可擴展性問題等挑戰(zhàn),僅利用單一的用戶評分信息難以解決這些問題。隨著網(wǎng)絡(luò)用戶群體的飛速增長和信息技術(shù)的進步,衍生了大量的多元信息,諸如用戶的人口統(tǒng)計學(xué)信息、商品信息、社交網(wǎng)絡(luò)信息等,這些多元信息為算法的優(yōu)化帶來了契機。如何利用豐富的多元信息來解決協(xié)同過濾算法中存在的問題成為個性化推薦的一個研究熱點。本文以矩陣缺失值填充、基于用戶的協(xié)同過濾推薦和K-Means聚類三種算法為研究基礎(chǔ),分析現(xiàn)有改進算法存在的不足,在推薦算法各執(zhí)行階段融合多元信息,具體內(nèi)容如下:針對推薦系統(tǒng)中存在的“哈利波特”問題,本文提出了一種融合商品流行度懲罰因子的用戶相似度計量方式,加大對熱門物品的懲罰力度,提高推薦精度;對于使用皮爾森相關(guān)系數(shù)進行相似度計算時產(chǎn)生的“過高估計”問題,在前人使用Jaccard相關(guān)系數(shù)進行修正的基礎(chǔ)上進一步細化局部評分項和整體之間的關(guān)系,進一步提高推薦準(zhǔn)確度。針對...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 個性化服務(wù)推薦技術(shù)
    2.1 主流推薦算法
        2.1.1 基于內(nèi)容的推薦算法
        2.1.2 基于關(guān)聯(lián)規(guī)則的推薦算法
        2.1.3 基于知識的推薦算法
        2.1.4 協(xié)同過濾推薦算法
        2.1.5 組合推薦算法
    2.2 主流推薦算法對比
    2.3 推薦算法評價指標(biāo)
    2.4 本章小結(jié)
第三章 協(xié)同過濾推薦算法概述
    3.1 基于內(nèi)存的協(xié)同過濾算法
        3.1.1 基于用戶的協(xié)同過濾推薦算法
        3.1.2 基于項目的協(xié)同過濾推薦算法
        3.1.3 算法推薦流程
    3.2 基于模型的算法
        3.2.1 基于聚類的推薦算法
        3.2.2 基于矩陣分解的推薦算法
        3.2.3 其他基于模型的推薦算法
    3.3 推薦算法面臨的挑戰(zhàn)
    3.4 本章小結(jié)
第四章 融合項目流行度信息的個性化服務(wù)推薦算法
    4.1 引言
    4.2 融合項目流行度信息的相似度修正算法
        4.2.1 傳統(tǒng)相似度計算方法修正
        4.2.2 融合項目流行度的相似度計算改進
    4.3 基于改進相似度計算的服務(wù)推薦算法實現(xiàn)
    4.4 實驗結(jié)果與分析
        4.4.1 實驗方案
        4.4.2 數(shù)據(jù)集
        4.4.3 實驗環(huán)境
        4.4.4 評價指標(biāo)
        4.4.5 實驗結(jié)果分析
    4.5 本章小結(jié)
第五章 融合用戶與服務(wù)項目屬性的混合推薦算法
    5.1 引言
    5.2 混合服務(wù)推薦算法改進
        5.2.1 K-Means算法初始聚類中心最優(yōu)值選取
        5.2.2 用戶屬性信息的融合
        5.2.3 項目屬性信息的分析融合
        5.2.4 最近鄰選擇范圍優(yōu)化
    5.3 混合服務(wù)推薦算法的實現(xiàn)
    5.4 實驗分析
        5.4.1 數(shù)據(jù)集簡介
        5.4.2 實驗環(huán)境
        5.4.3 算法評價指標(biāo)
        5.4.4 參數(shù)設(shè)置與結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 展望
致謝
參考文獻
攻讀學(xué)位期間參加科研情況及獲得的學(xué)術(shù)成果



本文編號：3800217