互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展?jié)M足了人們對信息的需求,但人們在享受其帶來便利的同時,也面臨著信息過載的問題。為了解決這一問題,推薦系統(tǒng)應(yīng)運而生,并在電影、社交、電子商務(wù)等多個領(lǐng)域得到了廣泛的應(yīng)用。推薦算法作為推薦系統(tǒng)的核心,近年來一直是研究的熱點,其中應(yīng)用最廣泛和成功的是協(xié)同過濾推薦算法。加權(quán)Slope One算法作為一種基于項目的協(xié)同過濾,其采用線性回歸進行評分預(yù)測,簡單、高效且易于實現(xiàn),被廣泛研究。然而該算法無差別對待所有用戶數(shù)據(jù),且未深入考慮用戶或項目間的聯(lián)系,其評分預(yù)測過程存在一定缺陷。因此,本文對此展開研究,具體的研究工作和創(chuàng)新點如下:1.針對加權(quán)Slope One算法在計算項目間評分偏差時,考慮了所有共同評分的用戶,難免會引入大量干擾數(shù)據(jù)影響預(yù)測結(jié)果的問題,本文提出一種改進的基于動態(tài)K近鄰的加權(quán)Slope One算法。首先,在修正余弦相似度的基礎(chǔ)上引入平衡因子、時間權(quán)重和熱門項目懲罰因子,并與歐幾里得相似度進行組合來優(yōu)化近鄰度量方法。然后,設(shè)置用戶相似度閾值和近鄰數(shù),以雙重閾值的方式對近鄰選擇方法進行改進。最后,采用改進的動態(tài)K近鄰方法篩選近鄰用戶集,以保證只有與目標用戶偏好相... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第2章 推薦系統(tǒng)和相關(guān)理論技術(shù)
    2.1 推薦系統(tǒng)
        2.1.1 推薦系統(tǒng)概述
        2.1.2 推薦系統(tǒng)主要算法
    2.2 協(xié)同過濾推薦算法
        2.2.1 基于用戶的協(xié)同過濾推薦算法
        2.2.2 基于項目的協(xié)同過濾推薦算法
        2.2.3 基于模型的協(xié)同過濾推薦算法
        2.2.4 協(xié)同過濾推薦算法存在的問題
    2.3 傳統(tǒng)Slope One算法
        2.3.1 Slope One算法
        2.3.2 加權(quán)Slope One算法
        2.3.3 雙極性Slope One算法
        2.3.4 加權(quán)Slope One算法的優(yōu)缺點
        2.3.5 加權(quán)Slope One算法的改進策略
    2.4 傳統(tǒng)近鄰方法
        2.4.1 近鄰度量方法及缺陷
        2.4.2 近鄰選擇方法及缺陷
    2.5 本章小結(jié)
第3章 基于動態(tài)K近鄰的加權(quán)Slope One算法
    3.1 問題提出及解決思路
    3.2 改進的動態(tài)K近鄰方法
        3.2.1 改進的近鄰度量方法
        3.2.2 改進的近鄰選擇方法
    3.3 基于動態(tài)K近鄰的加權(quán)Slope One算法的計算公式
    3.4 算法流程及描述
    3.5 本章小結(jié)
第4章 基于動態(tài)K近鄰和多權(quán)值的Slope One算法
    4.1 問題提出及解決思路
    4.2 用戶相似度權(quán)重
    4.3 用戶信任度權(quán)重
        4.3.1 用戶活躍度
        4.3.2 用戶評分公正度
    4.4 項目相似度權(quán)重
        4.4.1 項目評分相似度
        4.4.2 項目屬性相似度
    4.5 基于動態(tài)K近鄰和多權(quán)值的Slope One算法的計算公式
    4.6 算法流程及描述
    4.7 本章小結(jié)
第5章 實驗結(jié)果與分析
    5.1 實驗環(huán)境配置
    5.2 實驗數(shù)據(jù)集
    5.3 實驗評估指標
    5.4 基于動態(tài)K近鄰的加權(quán)Slope One算法實驗分析
        5.4.1 傳統(tǒng)用戶相似度計算方法的實驗對比分析
        5.4.2 算法中參數(shù)的實驗分析
        5.4.3 本文提出改進算法的實驗對比分析
    5.5 基于動態(tài)K近鄰和多權(quán)值的Slope One算法實驗分析
        5.5.1 傳統(tǒng)項目相似度計算方法的實驗對比分析
        5.5.2 算法中參數(shù)的實驗分析
        5.5.3 本文提出改進算法的實驗對比分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3160734