本文選題：協(xié)同過濾 + 社會(huì)網(wǎng)絡(luò)�。� 參考：《計(jì)算機(jī)研究與發(fā)展》2017年07期

【摘要】：在互聯(lián)網(wǎng)高速發(fā)展的今天,推薦系統(tǒng)已成為解決信息過載的有效手段,能夠緩解用戶在篩選感興趣信息時(shí)的困擾,幫助用戶發(fā)現(xiàn)有價(jià)值的信息.推薦系統(tǒng)中的協(xié)同過濾推薦算法,因其領(lǐng)域無(wú)關(guān)性及支持用戶發(fā)現(xiàn)潛在興趣的優(yōu)點(diǎn)被廣泛應(yīng)用.由于數(shù)據(jù)的規(guī)模過大且稀疏的特點(diǎn),當(dāng)前協(xié)同過濾在算法實(shí)時(shí)性、推薦精確度等方面仍有較大提升空間.提出了GK-CF方法,通過建立基于圖的評(píng)分?jǐn)?shù)據(jù)模型,將傳統(tǒng)的協(xié)同過濾算法與圖計(jì)算及改進(jìn)的KNN算法結(jié)合.通過圖的消息傳播及改進(jìn)的相似度計(jì)算模型對(duì)用戶先進(jìn)行篩選再做相似度計(jì)算;以用戶-項(xiàng)目二部圖的節(jié)點(diǎn)結(jié)構(gòu)為基礎(chǔ),通過圖的最短路徑算法進(jìn)行待評(píng)分項(xiàng)目的快速定位.在此基礎(chǔ)上,進(jìn)一步通過并行圖框架對(duì)算法進(jìn)行了并行化實(shí)現(xiàn)及優(yōu)化.在物理集群環(huán)境下進(jìn)行了實(shí)驗(yàn),結(jié)果表明,與已有的協(xié)同過濾算法相比,提出的GK-CF算法能夠很好地提高推薦的準(zhǔn)確度和評(píng)分預(yù)測(cè)的準(zhǔn)確性,并具有較好的算法可擴(kuò)展性和實(shí)時(shí)性能.
[Abstract]:With the rapid development of the Internet, recommendation system has become an effective means to solve information overload, which can alleviate the puzzles of users in filtering interesting information and help users find valuable information. Collaborative filtering recommendation algorithms in recommendation systems are widely used because of their domain independence and the advantages of supporting users to discover potential interests. Due to the large and sparse size of the data, there is still much room for improvement in real-time algorithm and recommendation accuracy. In this paper, GK-CF method is proposed. By establishing a graph based scoring data model, the traditional collaborative filtering algorithm is combined with graph calculation and improved KNN algorithm. Based on the node structure of the user-item bipartite graph, the shortest path algorithm of graph is used to locate the items to be graded quickly, which is based on the message propagation of graph and the improved similarity calculation model. On this basis, the parallel graph framework is used to realize and optimize the parallel algorithm. Experiments in physical cluster environment show that the proposed GK-CF algorithm can improve the accuracy of recommendation and score prediction, compared with the existing collaborative filtering algorithm. And the algorithm has good scalability and real-time performance.
【作者單位】： 北京交通大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院;北京交通大學(xué)信息中心;南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFB1200100) 國(guó)家自然科學(xué)基金項(xiàng)目(61202429,61572256) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2015JBM042) 江蘇省自然科學(xué)基金項(xiàng)目(BK20141454)~~
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 朱夏;宋愛波;東方;羅軍舟;;云計(jì)算環(huán)境下基于協(xié)同過濾的個(gè)性化推薦機(jī)制[J];計(jì)算機(jī)研究與發(fā)展;2014年10期

2 謝娟英;高紅超;;基于統(tǒng)計(jì)相關(guān)性與K-means的區(qū)分基因子集選擇算法[J];軟件學(xué)報(bào);2014年09期

3 孫光福;吳樂;劉淇;朱琛;陳恩紅;;基于時(shí)序行為的協(xié)同過濾推薦算法[J];軟件學(xué)報(bào);2013年11期

4 賈冬艷;張付志;;基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2013年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張亞洲;余正生;;基于k-means++聚類的視頻摘要生成算法[J];工業(yè)控制計(jì)算機(jī);2017年07期

2 黃皓璇;邢延;;基于用戶興趣變化的Slope One協(xié)同過濾推薦算法[J];工業(yè)控制計(jì)算機(jī);2017年07期

3 孟桓羽;劉真;王芳;徐家棟;張國(guó)強(qiáng);;基于圖和改進(jìn)K近鄰模型的高效協(xié)同過濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2017年07期

4 周孟;朱福喜;;基于鄰居選取策略的人群定向算法[J];計(jì)算機(jī)研究與發(fā)展;2017年07期

5 王飛;岳昆;孫正寶;武浩;馮輝;;基于貝葉斯網(wǎng)的評(píng)價(jià)數(shù)據(jù)分析和動(dòng)態(tài)行為建模[J];計(jì)算機(jī)研究與發(fā)展;2017年07期

6 林敏;陳美龍;;基于大數(shù)據(jù)的協(xié)同過濾推薦算法在智慧圖書館中的應(yīng)用[J];電子科學(xué)技術(shù);2017年04期

7 李冰;王虎;王銳;;客戶群及個(gè)體服務(wù)選擇影響因子研究[J];計(jì)算機(jī)工程與應(yīng)用;2017年13期

8 張松;張琳;王汝傳;;基于用戶限制聚類的協(xié)同過濾推薦算法[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

9 曲朝陽(yáng);徐鵬飛;婁建樓;顏佳;曲楠;;基于協(xié)同過濾的電力信息運(yùn)維知識(shí)個(gè)性化推薦模型[J];東北師大學(xué)報(bào)(自然科學(xué)版);2017年02期

10 張子洋;金志剛;張瑞;;基于最近鄰居優(yōu)化選取方法的協(xié)同過濾推薦算法[J];南開大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 謝娟英;謝維信;;基于特征子集區(qū)分度與支持向量機(jī)的特征選擇算法[J];計(jì)算機(jī)學(xué)報(bào);2014年08期

2 朱夏;羅軍舟;宋愛波;東方;;云計(jì)算環(huán)境下支持復(fù)雜查詢的多維數(shù)據(jù)索引機(jī)制[J];計(jì)算機(jī)研究與發(fā)展;2013年08期

3 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2010年08期

4 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

5 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

6 李聰;梁昌勇;馬麗;;基于領(lǐng)域最近鄰的協(xié)同過濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2008年09期

7 李穎新;李建更;阮曉鋼;;腫瘤基因表達(dá)譜分類特征基因選取問題及分析方法研究[J];計(jì)算機(jī)學(xué)報(bào);2006年02期

8 張軍英,Y.J.Wang,J.Khan,R.Clarke;基于類別空間的基因選擇[J];中國(guó)科學(xué)E輯:技術(shù)科學(xué);2003年12期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年01期

2 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

3 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購(gòu)系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

5 張富國(guó);;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評(píng)分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

7 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計(jì)算機(jī)信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術(shù)[J];農(nóng)業(yè)圖書情報(bào)學(xué)刊;2013年08期

相關(guān)會(huì)議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過濾算法[A];第二十二屆中國(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];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[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（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動(dòng)問題的方法[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（研究報(bào)告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前7條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 孔維梁;協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D];華中師范大學(xué);2013年

6 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國(guó)海洋大學(xué);2011年

7 趙向宇;Top-N協(xié)同過濾推薦技術(shù)研究[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學(xué);2015年

2 于鈺雯;基于項(xiàng)目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

3 杜文剛;基于多屬性評(píng)分的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

4 高慧敏;融合占有度的時(shí)間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學(xué);2015年

5 蘇靖涵;面向SaaS多租戶的動(dòng)態(tài)推薦方法研究[D];遼寧大學(xué);2015年

6 徐曉妮;基于人工魚群算法的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

7 羅培;移動(dòng)購(gòu)物導(dǎo)購(gòu)關(guān)鍵技術(shù)的研究與系統(tǒng)實(shí)現(xiàn)[D];西南交通大學(xué);2015年

8 李婧;融合用戶差異度及信息熵的協(xié)同過濾推薦算法[D];西安建筑科技大學(xué);2015年

9 樂柱;基于誤差反饋的協(xié)同過濾算法[D];華南理工大學(xué);2015年

10 馬兆才;基于協(xié)同過濾的推薦系統(tǒng)算法研究與實(shí)現(xiàn)[D];蘭州大學(xué);2015年

，

本文編號(hào)：1923482