隨著計算機技術(shù)的不斷發(fā)展,每天都有海量的信息持續(xù)更新和增加,面對互聯(lián)網(wǎng)上紛雜的數(shù)據(jù),人們通常難以從其中找到自己真正需要的信息資源,推薦算法因此被提出。推薦算法能夠根據(jù)用戶以往的行為及評分預(yù)測出用戶偏好,針對當(dāng)前用戶生成一個獨一無二的推薦列表,主動引導(dǎo)用戶對信息的發(fā)現(xiàn)。目前大部分的推薦算法利用的都是用戶的顯式反饋（比如評分）,但這些顯式反饋收集難度大且真實性無法保證。實際上,探究用戶對物品的興趣還可以依靠存在Web日志中的大量隱式反饋。就電商平臺而言,用戶從搜索到下單必然產(chǎn)生許多中間數(shù)據(jù)——點擊、瀏覽、關(guān)注、收藏、加購等等,這些行為數(shù)據(jù)在未被用戶察覺的情況下收集,能夠真實可靠地反映用戶興趣,且這些行為數(shù)據(jù)能夠?qū)崟r更新,因此基于用戶行為的推薦算法具有重要的研究價值。本文對推薦算法國內(nèi)外發(fā)展現(xiàn)狀、常用數(shù)據(jù)集以及測評指標進行了充分的調(diào)研,并分析了現(xiàn)有研究成果的不足,開展了如下工作:（1）要利用行為數(shù)據(jù)進行推薦,首先要建立起用戶行為與用戶興趣間的聯(lián)系,將用戶行為量化表示,這需要對用戶行為進行深入理解與分析,準確挖掘行為和興趣間的隱含關(guān)系。一般的算法都是直接人為地給用戶行為賦予分數(shù),這種方法十分粗... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１推薦算法分類??Ｆｉｇ．２－１?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｒｅｃｏｍｍｅｎｄｅｄ?ａｌｇｏｒｉｔｈｍｓ??

比如商品類別、價格，然后找到最相似的幾個物品，把它們歸為一類，??一旦有用戶購買其中一個商品，系統(tǒng)就會推薦該用戶嘗試購買這一類中的其他商??品。圖２－３為基于內(nèi)容的推薦算法示例圖：??—喜歡一＂舒緩曰■音樂＼??用戶Ａ?推薦??似??＼?音樂２?Ｖ??舒緩輕音樂??＼???／??警－喜歡＾［搖Ｈ?：??用戶Ｂ??圖２－３基于內(nèi)容的推薦算法示例圖??Ｆｉｇ．２－３?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??１０??

３０歲?＾＾??圖２－２基于人口統(tǒng)計學(xué)推薦算法示意圖??Ｆｉｇ．２－２?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｄｅｍｏｇｒａｐｈｉｃ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??該算法利用了用戶的個人信息數(shù)據(jù)，而通常情況下這些數(shù)據(jù)是在用戶注冊該??系統(tǒng)時收集到的，因此即使沒有用戶的歷史評分也可以使用該算法進行推薦。且??該算法的計算不依賴于其他因素，所以算法的移植性好。其缺點是算法思想過于??簡單，不能只通過兩個用戶自身條件相似，就簡單判斷其興趣也相似，所以不可??避免地會造成推薦結(jié)果并不理想。??２．３基于內(nèi)容的推薦算法??與２．２節(jié)中介紹的算法類似，此類算法一切出發(fā)點在于物品。它比較了每個物??品的屬性，比如商品類別、價格，然后找到最相似的幾個物品，把它們歸為一類，??一旦有用戶購買其中一個商品，系統(tǒng)就會推薦該用戶嘗試購買這一類中的其他商??品。圖２－３為基于內(nèi)容的推薦算法示例圖：??

【參考文獻】：
期刊論文
[1]一種融合用戶與項目屬性的協(xié)同過濾算法的設(shè)計與實現(xiàn)[J]. 陶志勇,崔新新.  計算機應(yīng)用與軟件. 2019(02)
[2]信任社交網(wǎng)絡(luò)中基于圖熵的個性化推薦算法[J]. 蔡永嘉,李冠宇,關(guān)皓元.  計算機應(yīng)用. 2019(01)
[3]國內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動態(tài)研究[J]. 陳軍,謝衛(wèi)紅,陳揚森.  中國科技論壇. 2018(01)
[4]基于人口統(tǒng)計學(xué)的改進聚類模型協(xié)同過濾算法[J]. 王媛媛,李翔.  計算機科學(xué). 2017(03)
[5]一種改進的top-N協(xié)同過濾推薦算法[J]. 肖文強,姚世軍,吳善明.  計算機應(yīng)用研究. 2018(01)
[6]基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦方法[J]. 楊武,唐瑞,盧玲.  計算機應(yīng)用. 2016(02)
[7]基于隱式用戶反饋數(shù)據(jù)流的實時個性化推薦[J]. 王智圣,李琪,汪靜,印鑒.  計算機學(xué)報. 2016(01)
[8]基于近鄰關(guān)系的個性化推薦算法研究[J]. 李慧,胡云,李存華,王霞.  計算機工程與應(yīng)用. 2012(36)
[9]協(xié)同過濾推薦算法[J]. 吳月萍,鄭建國.  計算機工程與設(shè)計. 2011(09)
[10]基于協(xié)同過濾與劃分聚類的改進推薦算法[J]. 吳泓辰,王新軍,成勇,彭朝暉.  計算機研究與發(fā)展. 2011(S3)

博士論文
[1]基于位置的移動社會化網(wǎng)絡(luò)推薦技術(shù)研究[D]. 劉樹棟.北京郵電大學(xué) 2015

碩士論文
[1]基于用戶關(guān)系的矩陣分解推薦算法研究[D]. 張志綺.北京交通大學(xué) 2016
[2]基于用戶行為的個性化推薦算法研究[D]. 王聰.哈爾濱工業(yè)大學(xué) 2015
[3]基于關(guān)聯(lián)規(guī)則的推薦算法研究與應(yīng)用[D]. 鄧先箴.華東師范大學(xué) 2010



本文編號：3395045