本文關(guān)鍵詞：基于網(wǎng)絡(luò)關(guān)系特征的混合推薦算法研究

  更多相關(guān)文章： 推薦系統(tǒng) 關(guān)系特征 復(fù)雜網(wǎng)絡(luò)

【摘要】：隨著計(jì)算能力和存儲(chǔ)能力的提升,我們正在進(jìn)入DT時(shí)代。數(shù)據(jù)量爆炸式增長(zhǎng),尋找內(nèi)容的代價(jià)不斷提升,由此人們陷入嚴(yán)重的信息過(guò)載中。推薦系統(tǒng)作為解決信息過(guò)載問(wèn)題的一種重要形式,近年得到了快速的發(fā)展。尤其在電商領(lǐng)域,推薦應(yīng)用場(chǎng)景更加廣泛,推薦系統(tǒng)可以為商戶(hù)解決長(zhǎng)尾商品的營(yíng)銷(xiāo)問(wèn)題,同時(shí)也可以為用戶(hù)提供符合偏好的個(gè)性化推薦,提升用戶(hù)體驗(yàn)。推薦系統(tǒng)在電商的發(fā)展過(guò)程中起到了重要作用。傳統(tǒng)的協(xié)同過(guò)濾算法固然是很成熟的推薦算法。首先協(xié)同過(guò)濾是性?xún)r(jià)比很高的推薦算法,它需要最少的領(lǐng)域知識(shí)就可以建立模型而且無(wú)需復(fù)雜的特征工程。它體現(xiàn)的是集體智慧的思想。其次,它能在一定程度上解決未交互商品的推薦問(wèn)題。在內(nèi)容特征不足但用戶(hù)行為數(shù)據(jù)豐富的情況下更能凸顯其優(yōu)勢(shì)。但是協(xié)同過(guò)濾也面臨著一些瓶頸。首先是冷啟動(dòng)的問(wèn)題。當(dāng)新User、Item出現(xiàn)時(shí)由于缺乏必要的行為數(shù)據(jù),會(huì)嚴(yán)重?fù)p害推薦系統(tǒng)的性能。其次,它無(wú)法解決行為數(shù)據(jù)稀疏的問(wèn)題,這將影響算法的效果。除此之外,它無(wú)法加入更多的特征去刻畫(huà)User、Item,如果只是改進(jìn)相似度函數(shù),這對(duì)算法效果的提升并不明顯。推薦系統(tǒng)在電商場(chǎng)景下最重要的作用是提升用戶(hù)體驗(yàn)并引導(dǎo)成交,然而隨著電商規(guī)模的擴(kuò)大,數(shù)據(jù)計(jì)算量也飛速增長(zhǎng),傳統(tǒng)的推薦算法無(wú)法滿足需求。所以本文采用了基于Match、Rank的思路進(jìn)行粗召回、精排序的推薦方法,這種混合推薦的機(jī)器學(xué)習(xí)方法更容易融入更多的特征,進(jìn)而更精準(zhǔn)地刻畫(huà)用戶(hù)喜好。在提升推薦精度方面本文通過(guò)復(fù)雜網(wǎng)絡(luò)算法挖掘用戶(hù)行為蘊(yùn)含的關(guān)系特征,并將該維度的特征進(jìn)行擴(kuò)展應(yīng)用到模型中去。其次,其次,本文還用K-Core算法提取核心節(jié)點(diǎn)用于Match階段,這也可以看做是對(duì)噪聲數(shù)據(jù)的清洗。該方法能夠提升模型精度和魯棒性。除此之外,還對(duì)本文用到的群落發(fā)現(xiàn)算法進(jìn)行了分布式實(shí)現(xiàn),使得大規(guī)模關(guān)系數(shù)據(jù)挖掘成為可能。從本文的實(shí)驗(yàn)以及結(jié)果分析中可以發(fā)現(xiàn),這里提出的混合推薦算法能夠顯著提高推薦模型的效果。
【關(guān)鍵詞】：推薦系統(tǒng) 關(guān)系特征 復(fù)雜網(wǎng)絡(luò)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要4-5
• abstract5-9
• 第1章 緒論9-13
• 1.1 研究背景及其意義9-10
• 1.2 推薦算法研究現(xiàn)狀及工業(yè)界應(yīng)用10-11
• 1.3 本文研究?jī)?nèi)容11-12
• 1.4 本文研究章節(jié)結(jié)構(gòu)12-13
• 第2章 相關(guān)研究簡(jiǎn)介13-26
• 2.1 推薦算法13-21
• 2.1.1 基于內(nèi)容的推薦算法13-14
• 2.1.2 基于近鄰的協(xié)同過(guò)濾推薦算法14-17
• 2.1.3 基于模型的協(xié)同過(guò)濾推薦算法17-18
• 2.1.4 混合推薦算法18-19
• 2.1.5 推薦算法評(píng)估19-21
• 2.2 復(fù)雜網(wǎng)絡(luò)21-23
• 2.2.1 復(fù)雜網(wǎng)絡(luò)概述及結(jié)構(gòu)特性21-22
• 2.2.2 社區(qū)發(fā)現(xiàn)22-23
• 2.3 GIRAPH圖計(jì)算框架23-25
• 2.4 本章小結(jié)25-26
• 第3章 基于復(fù)雜網(wǎng)絡(luò)關(guān)系特征的推薦模型26-38
• 3.1 挖掘網(wǎng)絡(luò)關(guān)系特征26-31
• 3.1.1 群落發(fā)現(xiàn)算法思想26-28
• 3.1.2 基于Item的關(guān)系數(shù)據(jù)及權(quán)重28-29
• 3.1.3 融合關(guān)系數(shù)據(jù)的多維度特征構(gòu)建29-31
• 3.2 分布式圖框架加速群落發(fā)現(xiàn)31-33
• 3.2.1 分布式算法思想31-32
• 3.2.2 震蕩檢測(cè)及死鎖處理32-33
• 3.3 提取K-CORE節(jié)點(diǎn)消除噪聲數(shù)據(jù)33-34
• 3.4 基于關(guān)系特征的混合推薦架構(gòu)34-37
• 3.4.1 融入Model的二步推薦34-36
• 3.4.2 混合推薦整體架構(gòu)36-37
• 3.5 本章小結(jié)37-38
• 第4章 實(shí)驗(yàn)與效果評(píng)估38-49
• 4.0 實(shí)驗(yàn)數(shù)據(jù)集38-39
• 4.1 實(shí)驗(yàn)環(huán)境39-40
• 4.2 推薦算法評(píng)估指標(biāo)40
• 4.3 實(shí)驗(yàn)方案及結(jié)果分析40-48
• 4.3.1 數(shù)據(jù)劃分及評(píng)測(cè)搭建41-43
• 4.3.2 網(wǎng)絡(luò)關(guān)系特征提取43-45
• 4.3.3 K-Core清洗數(shù)據(jù)45-46
• 4.3.4 分布式加速群落發(fā)現(xiàn)46-48
• 4.4 本章小結(jié)48-49
• 第5章 總結(jié)與展望49-51
• 5.1 工作總結(jié)49-50
• 5.2 工作展望50-51
• 參考文獻(xiàn)51-55
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果55-56
• 致謝56

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 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

2 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

3 張海玉;劉志都;楊彩;賈松浩;;基于頁(yè)面聚類(lèi)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

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

5 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

6 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

7 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

8 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

9 夏秀峰;代沁;叢麗暉;;用戶(hù)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

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 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(hù)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(hù)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)：1011999