發(fā)布時間：2018-03-12 20:06

  本文選題：協(xié)同過濾推薦算法　切入點：迭代相似度　出處：《大連理工大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：購物決策有"貨比三家"的需求。但是,當(dāng)今的電商購物環(huán)境下,商家動輒百萬家,商品動輒幾億種,人們的時間和精力無法在這種環(huán)境下,對信息和商品進行有效的過濾和分析。因此,推薦系統(tǒng)技術(shù)被引入到電商領(lǐng)域中,在商業(yè)實踐中取得了不俗的表現(xiàn)和成果。由于巨大的商業(yè)價值,使得推薦算法在理論研究領(lǐng)域也成為熱點之一。本文首先提出了 "多因素綜合的協(xié)同過濾推薦算法框架"。正確的"推薦者"帶來正確的推薦,所以,"推薦者"的評估是決定推薦算法的關(guān)鍵步驟。"行為一致性"是傳統(tǒng)協(xié)同過濾推薦算法評估"推薦者"的思想基礎(chǔ)。即:購買的相同商品越多,用戶興趣就越相似,就越有資格成為"推薦者"。這種僅從"行為一致性"角度分析"推薦者"的傳統(tǒng)協(xié)同過濾推薦算法的研究框架沒有綜合考慮推薦所涉及的多方面因素,這對最終的推薦效果勢必造成影響。并且"行為數(shù)據(jù)"在實際系統(tǒng)中是"稀疏"的,這也使得這種僅依靠"行為一致性"進行分析的算法變得在實踐中難以實現(xiàn)�？傊�,傳統(tǒng)算法框架受制于"數(shù)據(jù)稀疏"和"因素單一"兩大內(nèi)在局限,這使得協(xié)同過濾算法的研究和發(fā)展受到了一定程度的阻礙。針對傳統(tǒng)框架的以上兩個局限性,本文提出"多因素綜合的協(xié)同過濾推薦算法框架",與僅考慮"行為一致性"的傳統(tǒng)研究框架不同,新框架還綜合考慮了用戶的"品位認(rèn)同性"和商品的"屬性相關(guān)性"。在新研究框架基礎(chǔ)上,本文提出了三類新的協(xié)同過濾推薦算法:迭代相似度協(xié)同過濾推薦算法(及其改進算法),全局認(rèn)可度協(xié)同過濾推薦算法和分眾標(biāo)志度協(xié)同過濾推薦算法。三種算法的共同點在于它們是本文提出的算法研究框架的具體算法實現(xiàn)。不同點在于三者分別綜合了不同的因素對推薦問題進行了研究。并且三種算法適用的情況也不盡相同。本文選取"天貓電商數(shù)據(jù)集"和"Movielens視頻數(shù)據(jù)集"對算法進行驗證,這是因為電商系統(tǒng)和視頻娛樂系統(tǒng)是當(dāng)今推薦系統(tǒng)主要的兩大應(yīng)用領(lǐng)域。在多種不同衡量指標(biāo)下,與HHC算法和INBI算法等當(dāng)今優(yōu)秀的推薦算法的對比中,本文提出的算法不僅提高了推薦的精確度,而且對于數(shù)據(jù)稀疏問題和個性化推薦問題的解決都有很大幫助。具體算法介紹如下:"迭代相似度協(xié)同過濾推薦算法"是針對"數(shù)據(jù)稀疏問題"而被提出的。它在新框架基礎(chǔ)上綜合考慮了用戶-用戶間的"品位認(rèn)同性"和用戶-商品間的"行為一致性"因素。"迭代相似度"是相似度的相似度,它更加符合真實的推薦過程。這一算法思路可以用來改進多種傳統(tǒng)的推薦算法,本文分別實現(xiàn)了兩種版本的迭代相似度協(xié)同過濾推薦算法——"基于用戶類皮爾斯相關(guān)系數(shù)"的版本(簡稱MSCF)和"基于項目物質(zhì)擴散算法"的版本(簡稱metaNBI)。實驗結(jié)果表明,在多個數(shù)據(jù)集和衡量指標(biāo)下,該算法對于推薦的精確度都有大幅度提高。并且該算法對于數(shù)據(jù)稀疏問題的緩解也大有幫助,因為該算法可以衡量沒有共同購買的用戶之間的相似關(guān)系。在"迭代相似度"的基礎(chǔ)上,進一步考慮三次迭代相似度和重疊度等因素的情況,本文提出了多因素修正的迭代相似度協(xié)同過濾推薦算法,實驗表明,相對于標(biāo)準(zhǔn)迭代相似度協(xié)同過濾推薦算法,它在推薦的準(zhǔn)確度方面有更好的表現(xiàn)。"全局認(rèn)可度協(xié)同過濾推薦算法"是針對"哈利波特問題"而被提出的。它在新框架基礎(chǔ)上綜合考慮了商品-商品間的"屬性相關(guān)性"和用戶-商品間的"行為一致性"因素。這種算法思路也具有廣泛的適用性,因此,本文也實現(xiàn)了"基于用戶類皮爾斯相關(guān)系數(shù)"的版本(簡稱IRankUCF)和"基于項目物質(zhì)擴散算法"的版本(簡稱IRankNBI)。與迭代相似度算法不同的是它依據(jù)商品間的"屬性相關(guān)性"而不是用戶間的"品位認(rèn)同性"進行研究。并且,實驗結(jié)果表明,該算法對于推薦的多樣性和個性化水平有很大改善作用,這是迭代相似度算法不具備的改進效果。"分眾標(biāo)志度協(xié)同過濾推薦算法"是針對"個性化推薦問題"而被提出。在新框架的基礎(chǔ)上,它綜合考慮了"品位認(rèn)同性"和"行為一致性"因素。與"全局認(rèn)可度"主要考慮商品之間"屬性相關(guān)性"不同,"分眾標(biāo)志度"主要根據(jù)用戶間"品位認(rèn)同性"進行研究。實驗結(jié)果表明,該算法不止提高了推薦的精確度,而且對于推薦的個性化和多樣性效果也大為改善。這也彌補了迭代相似度協(xié)同過濾推薦算法的不足。本文通過上述研究內(nèi)容和創(chuàng)新點的討論,多角度的分析了不同因素對于推薦效果的影響,提出了一種綜合考慮多種因素的協(xié)同過濾推薦算法框架。實驗結(jié)果表明,在新研究框架上所提出的新算法在推薦精確度,個性化,緩解數(shù)據(jù)稀疏問題等方面都有良好表現(xiàn)。
[Abstract]:......
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 李穎基,彭宏,鄭啟倫,曾煒;自動分層推薦算法[J];計算機應(yīng)用;2002年11期

2 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(yīng)用;2006年10期

3 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計算機應(yīng)用;2007年06期

4 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(yīng)用與軟件;2008年09期

5 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

6 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

7 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(yīng)用;2010年19期

8 王文;;個性化推薦算法研究[J];電腦知識與技術(shù);2010年16期

9 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

10 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(yīng)用;2011年16期

相關(guān)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(xué)術(shù)會議論文集（技術(shù)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(yīng)用技術(shù)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(xué)術(shù)會議論文集（技術(shù)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(wù)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(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：1603090