互聯(lián)網(wǎng)的高速發(fā)展過(guò)程中,信息過(guò)載(Over Loading)現(xiàn)象在生產(chǎn)生活中的弊端日益凸顯。個(gè)性化推薦技術(shù)在這個(gè)大背景下應(yīng)運(yùn)而生。近年來(lái),圖數(shù)據(jù)庫(kù)、圖模型等依托圖數(shù)據(jù)結(jié)構(gòu)的相關(guān)技術(shù)與算法如火如荼的發(fā)展,為推薦系統(tǒng)領(lǐng)域提供了新的解決思路。基于圖數(shù)據(jù)庫(kù),在推薦系統(tǒng)技術(shù)和算法上發(fā)揮圖數(shù)據(jù)結(jié)構(gòu)的優(yōu)勢(shì)。為了解決個(gè)性化推薦中協(xié)同過(guò)濾推薦算法所遇到的一些問(wèn)題。本文首先對(duì)個(gè)性化推薦系統(tǒng)進(jìn)行了全面的論述,同時(shí)闡述了當(dāng)下個(gè)性化推薦系統(tǒng)的研究成果以及主流算法;然后基于圖數(shù)據(jù)庫(kù),構(gòu)建用戶、項(xiàng)目二部圖網(wǎng)絡(luò),提出了一種改進(jìn)的基于用戶的協(xié)同過(guò)濾推薦算法,通過(guò)降低熱門項(xiàng)目在計(jì)算相似度的“干擾”,結(jié)合圖數(shù)據(jù)結(jié)構(gòu)中的度數(shù)以及邊的評(píng)分關(guān)系等引入了熱門評(píng)估函數(shù)以及時(shí)間衰減公式,旨在消除熱門項(xiàng)目對(duì)相似用戶造成的誤差。使得用戶之間的相似度更具有參考性。最后在MovieLens標(biāo)準(zhǔn)數(shù)據(jù)集中做仿真對(duì)比試驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,通過(guò)改進(jìn)相似度的計(jì)算方法,可以有效地提高推薦系統(tǒng)的召回率與準(zhǔn)確率等。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.3;TP311.12
【部分圖文】：

第 1 章 緒論1 研究背景與意義.1 研究背景在通信和網(wǎng)絡(luò)技術(shù)欠缺的時(shí)代，人們獲取信息、知識(shí)的主要渠道往往依賴或者文本、圖片等相關(guān)媒介。然而 Internet 的出現(xiàn)，改變了這一切。這種天覆地式、具有劃時(shí)代意義的，它真正將地球變成了“地球村”。我們可戶享受來(lái)自“互聯(lián)網(wǎng)時(shí)代”帶來(lái)的便利。從中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)據(jù)不難看出：中國(guó)網(wǎng)民規(guī)模和互聯(lián)網(wǎng)的普及率呈現(xiàn)逐年遞增趨勢(shì)�；ヂ�(lián)網(wǎng)新時(shí)代下人們的一種新的生活方式，像一句詩(shī)中所寫“飛入尋常百姓家”

重慶郵電大學(xué)碩士學(xué)位論文 第 1 章 緒論內(nèi)容的推薦；然后提供購(gòu)買該商品的用戶同時(shí)購(gòu)買了其他商品的集合，很類似基于協(xié)同過(guò)濾的推薦。Amazon 不僅會(huì)收集用戶的歷史行為信息，也會(huì)在第一時(shí)間抓取用戶的瀏覽動(dòng)作給出實(shí)時(shí)的推薦。如圖 1.2 展示了亞馬遜網(wǎng)站中的推薦模塊界面：

項(xiàng)目數(shù)據(jù)進(jìn)行個(gè)性化推薦算法的選擇。個(gè)性化好，然而并不是絕對(duì)的，也要“因地制宜”。個(gè)性化推薦算法。這樣才可以真正發(fā)揮個(gè)性化與展示模塊：推薦結(jié)果展示部分通常以推薦列推薦列表的生成與展示并不是將推薦項(xiàng)目集不加薦效果，而是應(yīng)該有策略、有計(jì)劃地去展示推化”的修飾，因此最精確的推薦結(jié)果不一定是才是最好的。推薦結(jié)果展示也要充分考慮用戶性化展示的完美融合。相互配合、相互協(xié)作，共同構(gòu)成一個(gè)完整的個(gè)故障都將會(huì)影響到這個(gè)系統(tǒng)的運(yùn)作和給用戶帶系統(tǒng)的主要模塊以及模塊之間的層級(jí)關(guān)系：
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮媛媛;王曉東;姚宇;;電子商務(wù)中長(zhǎng)尾物品推薦方法[J];計(jì)算機(jī)應(yīng)用;2015年S2期

2 張國(guó)凱;;基于協(xié)同過(guò)濾的個(gè)性化服務(wù)推薦算法研究[J];軟件導(dǎo)刊;2015年10期

3 張艷梅;王璐;曹懷虎;毛國(guó)君;;基于用戶-興趣-項(xiàng)目三部圖的推薦算法[J];模式識(shí)別與人工智能;2015年10期

4 馬凱航;高永明;吳止鍰;李磊;;大數(shù)據(jù)時(shí)代數(shù)據(jù)管理技術(shù)研究綜述[J];軟件;2015年10期

5 崔春生;賴鍇;陳婕;;基于基元理論的內(nèi)容推薦算法研究[J];系統(tǒng)科學(xué)與數(shù)學(xué);2015年10期

6 莫萍燕;王玉龍;;一種實(shí)時(shí)推薦系統(tǒng)數(shù)據(jù)發(fā)布平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J];電信網(wǎng)技術(shù);2015年09期

7 廖壽福;林世平;郭昆;;個(gè)性化推薦冷啟動(dòng)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2015年08期

8 王春才;邢暉;李英韜;;推薦系統(tǒng)評(píng)測(cè)方法和指標(biāo)分析[J];信息技術(shù)與標(biāo)準(zhǔn)化;2015年07期

9 高虎明;趙鳳躍;;一種融合協(xié)同過(guò)濾和內(nèi)容過(guò)濾的混合推薦方法[J];現(xiàn)代圖書情報(bào)技術(shù);2015年06期

10 丁少衡;姬東鴻;王路路;;基于用戶屬性和評(píng)分的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年02期

本文編號(hào)：2881911