發(fā)布時間：2022-12-22 19:57

　　推薦系統(tǒng)是解決信息過載問題的一個重要手段,然而推薦系統(tǒng)長期面臨著數(shù)據(jù)稀疏性以及冷啟動等問題。造成這些問題的主要原因有以下兩個方面:一方面,推薦算法存在模型上的局限,難以對稀疏數(shù)據(jù)進行處理;另一方面,推薦算法的參照角度比較單一,對系統(tǒng)中有效信息的挖掘不夠充分,造成冷啟動問題,并影響推薦效果�；旌贤扑]算法是目前推薦系統(tǒng)領域的主要研究方向,通過對推薦算法或模型的組合,能一定程度地彌補單一模型存在的缺陷,有效緩解數(shù)據(jù)稀疏性與冷啟動問題。針對以上兩方面問題,從混合推薦的角度出發(fā),首先為了彌補推薦模型的局限性,提出一種融合受限玻爾茲曼機與加權Slope One算法的混合推薦系統(tǒng),使用基于項目與用戶的實值受限玻爾茲曼機對評分矩陣進行初步填充,在填充完整的評分矩陣上使用加權Slope One算法對評分進行預測,以緩解Slope One算法的數(shù)據(jù)稀疏性問題。其次,針對傳統(tǒng)推薦算法未考慮輔助信息對評分的影響,在加權Slope One的權值計算中,針對傳統(tǒng)相似度計算方法角度單一的問題,在評分相似度的基礎上引入項目類別屬性信息,提出一種基于項目的混合相似度計算方法。另外,針對冷啟動問題,提出一種基于項目類別相... 

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與主要工作
    1.4 論文的組織結構
2 相關知識介紹
    2.1 推薦系統(tǒng)簡介
    2.2 推薦系統(tǒng)分類
    2.3 推薦系統(tǒng)相關方法
    2.4 推薦系統(tǒng)的評價指標
    2.5 本章小結
3 受限玻爾茲曼機與加權Slope One混合推薦算法
    3.1 引言
    3.2 基于受限玻爾茲曼機的矩陣填充算法
    3.3 使用混合項目相似度的加權Slope One算法
    3.4 基于項目屬性相似度的評分填充方法
    3.5 受限玻爾茲曼機與加權Slope One混合推薦算法
4 實驗與分析
    4.1 數(shù)據(jù)集及實驗方法
    4.2 評估方法
    4.3 實驗環(huán)境
    4.4 基于混合相似度的加權Slope One算法實驗
    4.5 受限玻爾茲曼機矩陣填充效果實驗
    4.6 融合受限玻爾茲曼機與加權Slope One算法實驗
5 結論與展望
參考文獻
作者簡歷
學位論文數(shù)據(jù)集



本文編號：3723943