本文選題：協(xié)同過濾推薦算法　切入點(diǎn)：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(gòu)物決策有"貨比三家"的需求。但是,當(dāng)今的電商購(gòu)物環(huán)境下,商家動(dòng)輒百萬(wàn)家,商品動(dòng)輒幾億種,人們的時(shí)間和精力無(wú)法在這種環(huán)境下,對(duì)信息和商品進(jìn)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(shí)踐中取得了不俗的表現(xiàn)和成果。由于巨大的商業(yè)價(jià)值,使得推薦算法在理論研究領(lǐng)域也成為熱點(diǎn)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(lái)正確的推薦,所以,"推薦者"的評(píng)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(píng)估"推薦者"的思想基礎(chǔ)。即:購(gòu)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(duì)最終的推薦效果勢(shì)必造成影響。并且"行為數(shù)據(jù)"在實(shí)際系統(tǒng)中是"稀疏"的,這也使得這種僅依靠"行為一致性"進(jìn)行分析的算法變得在實(shí)踐中難以實(shí)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(duì)傳統(tǒng)框架的以上兩個(gè)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(jìn)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(diǎn)在于它們是本文提出的算法研究框架的具體算法實(shí)現(xiàn)。不同點(diǎn)在于三者分別綜合了不同的因素對(duì)推薦問題進(jìn)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(duì)算法進(jìn)行驗(yàn)證,這是因?yàn)殡娚滔到y(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(duì)比中,本文提出的算法不僅提高了推薦的精確度,而且對(duì)于數(shù)據(jù)稀疏問題和個(gè)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(duì)"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(shí)的推薦過程。這一算法思路可以用來(lái)改進(jìn)多種傳統(tǒng)的推薦算法,本文分別實(shí)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(jiǎn)稱MSCF)和"基于項(xiàng)目物質(zhì)擴(kuò)散算法"的版本(簡(jiǎn)稱metaNBI)。實(shí)驗(yàn)結(jié)果表明,在多個(gè)數(shù)據(jù)集和衡量指標(biāo)下,該算法對(duì)于推薦的精確度都有大幅度提高。并且該算法對(duì)于數(shù)據(jù)稀疏問題的緩解也大有幫助,因?yàn)樵撍惴ǹ梢院饬繘]有共同購(gòu)買的用戶之間的相似關(guān)系。在"迭代相似度"的基礎(chǔ)上,進(jìn)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(shí)驗(yàn)表明,相對(duì)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(duì)"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(shí)現(xiàn)了"基于用戶類皮爾斯相關(guān)系數(shù)"的版本(簡(jiǎn)稱IRankUCF)和"基于項(xiàng)目物質(zhì)擴(kuò)散算法"的版本(簡(jiǎn)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(jìn)行研究。并且,實(shí)驗(yàn)結(jié)果表明,該算法對(duì)于推薦的多樣性和個(gè)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(jìn)效果。"分眾標(biāo)志度協(xié)同過濾推薦算法"是針對(duì)"個(gè)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(jìn)行研究。實(shí)驗(yàn)結(jié)果表明,該算法不止提高了推薦的精確度,而且對(duì)于推薦的個(gè)性化和多樣性效果也大為改善。這也彌補(bǔ)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?jī)?nèi)容和創(chuàng)新點(diǎn)的討論,多角度的分析了不同因素對(duì)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(shí)驗(yàn)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(gè)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(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李穎基,彭宏,鄭啟倫,曾煒;自動(dòng)分層推薦算法[J];計(jì)算機(jī)應(yīng)用;2002年11期

2 徐義峰;徐云青;劉曉平;;一種基于時(shí)間序列性的推薦算法[J];計(jì)算機(jī)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(jì)算機(jī)應(yīng)用;2007年06期

4 張海玉;劉志都;楊彩;賈松浩;;基于頁(yè)面聚類的推薦算法的改進(jìn)[J];計(jì)算機(jī)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(guó)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(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

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

9 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評(píng)價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

10 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

相關(guān)會(huì)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(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國(guó);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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

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

6 梁莘q，

本文編號(hào)：1603090