信息時(shí)代的到來(lái)使用戶難以快速獲得對(duì)自己有用的數(shù)據(jù),為了從海量的數(shù)據(jù)中幫助用戶獲取有效信息,個(gè)性化推薦算法應(yīng)用而生。它可以根據(jù)用戶的歷史瀏覽記錄、興趣類(lèi)別以及具體的搜索詞條,針對(duì)性地挖掘用戶真正需要的信息,進(jìn)而為用戶產(chǎn)生推薦。目前,由于協(xié)同過(guò)濾算法具有推薦個(gè)性化、自動(dòng)化程度高、能夠有效的利用其他相似用戶的回饋信息、加快個(gè)性化學(xué)習(xí)速度的優(yōu)點(diǎn),成為推薦搜索算法研究的熱點(diǎn),但隨著信息量不斷膨脹,此算法存在冷啟動(dòng)、推薦準(zhǔn)確性、數(shù)據(jù)稀疏性和推薦單一性的問(wèn)題。為解決以上問(wèn)題,本文提出了基于用戶特征和和項(xiàng)目關(guān)聯(lián)度的協(xié)同過(guò)濾推薦算法。本文的研究?jī)?nèi)容如下:第一,針對(duì)基于用戶的協(xié)同過(guò)濾推薦算法僅考慮用戶評(píng)分問(wèn)題,提出了綜合考慮三個(gè)方面的關(guān)鍵問(wèn)題來(lái)刻畫(huà)用戶特征,主要包括:（1）針對(duì)冷啟動(dòng)問(wèn)題,提出綜合考慮用戶的多方面特征,比如性別、年齡、職業(yè)等,通過(guò)將三種特征對(duì)相似度的影響按照相應(yīng)的重要性用權(quán)重系數(shù)加權(quán),得到用戶間的屬性特征相似性,實(shí)現(xiàn)對(duì)新用戶的推薦,改善了冷啟動(dòng)問(wèn)題。（2）針對(duì)推薦準(zhǔn)確率低的問(wèn)題,提出利用用戶評(píng)分建立用戶興趣特征的方法,計(jì)算出用戶間的興趣相似度,為用戶推送其喜愛(ài)的項(xiàng)目,提高了推薦準(zhǔn)確性。（3... 

【文章來(lái)源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

推薦系統(tǒng)的系統(tǒng)架構(gòu)

北京工業(yè)大學(xué)工程碩士專(zhuān)業(yè)學(xué)位論文(4) 用戶相關(guān)性推薦系統(tǒng)用戶相關(guān)性推薦系統(tǒng)與其他系統(tǒng)的不同之處在于：它不需要用戶手動(dòng)的輸己感興趣的信息，系統(tǒng)會(huì)通過(guò)分析用戶對(duì)項(xiàng)目的評(píng)價(jià)來(lái)查找與其相似的用戶，然后根據(jù)集合中的評(píng)價(jià)可以得到要推送用戶對(duì)此項(xiàng)目的偏好信息，從而產(chǎn)薦，該推薦系統(tǒng)是自動(dòng)化的。2 相關(guān)推薦算法在推薦系統(tǒng)中，推薦算法是整個(gè)系統(tǒng)中的重中之重，影響著整個(gè)系統(tǒng)是否用戶提供高質(zhì)量的推送。目前可以把推薦算法分為：基于內(nèi)容的、基于協(xié)同的以及混合推薦[32]，如圖 2-2 所示，本節(jié)將對(duì)這幾個(gè)常用算法進(jìn)行詳細(xì)介

圖 2-3 基于內(nèi)容的推薦算法原理圖Fig.2-3 Principle of Content-based Recommendation Algorithm通過(guò)研究用戶的行為記錄得到他們購(gòu)買(mǎi)或?yàn)g覽的商品，這戶的偏好，從而為他們提供準(zhǔn)確的推薦服務(wù)，但在實(shí)際幾點(diǎn)問(wèn)題[34]：析的項(xiàng)目?jī)?nèi)容有限。該算法需要解析項(xiàng)目的基本屬性，種推薦主要是針對(duì)文本信息，需要項(xiàng)目有良好的結(jié)構(gòu)性結(jié)構(gòu)的項(xiàng)目難以獲取項(xiàng)目的內(nèi)容信息，因此對(duì)這類(lèi)項(xiàng)目，是很準(zhǔn)確。結(jié)果不具有新穎性。由于該算法基于用戶的歷史記錄，類(lèi)的商品。而在現(xiàn)實(shí)生活中，為用戶提供潛在興趣的、新商業(yè)價(jià)值。的項(xiàng)目范圍太窄。該算法只局限于用戶體驗(yàn)過(guò)或?yàn)g覽過(guò)表太局部，不能根據(jù)用戶信息完全的挖掘潛在的用戶需求

【參考文獻(xiàn)】：
期刊論文
[1]一種融合協(xié)同過(guò)濾和用戶屬性過(guò)濾的混合推薦算法[J]. 曹俊豪,李澤河,江龍,張德剛.  電子設(shè)計(jì)工程. 2018(09)
[2]海量學(xué)術(shù)資源個(gè)性化推薦綜述[J]. 劉偉,劉柏嵩,王洋洋.  計(jì)算機(jī)工程與應(yīng)用. 2018(03)
[3]國(guó)內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動(dòng)態(tài)研究[J]. 陳軍,謝衛(wèi)紅,陳揚(yáng)森.  中國(guó)科技論壇. 2018(01)
[4]基于商品屬性值和用戶特征的協(xié)同過(guò)濾推薦算法[J]. 高長(zhǎng)元,黃凱,王京,張樹(shù)臣.  計(jì)算機(jī)工程與科學(xué). 2017(12)
[5]利用用戶不偏好項(xiàng)目屬性提高項(xiàng)目協(xié)同過(guò)濾算法效率和精度[J]. 文詩(shī)琪,王成,蘇芳芳,劉技峰,陳葉旺,鄭國(guó)旗.  小型微型計(jì)算機(jī)系統(tǒng). 2017(08)
[6]基于關(guān)聯(lián)規(guī)則挖掘的分類(lèi)隨機(jī)游走算法[J]. 施海鷹.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(09)
[7]基于項(xiàng)目屬性偏好挖掘的協(xié)同過(guò)濾推薦算法[J]. 陳穎,侯惠敏.  計(jì)算機(jī)應(yīng)用. 2017(S1)
[8]基于用戶評(píng)論評(píng)分與信任度的協(xié)同過(guò)濾算法[J]. 王余斌,王成良,文俊浩.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[9]一種改進(jìn)的top-N協(xié)同過(guò)濾推薦算法[J]. 肖文強(qiáng),姚世軍,吳善明.  計(jì)算機(jī)應(yīng)用研究. 2018(01)
[10]基于用戶偏好和項(xiàng)目特征的協(xié)同過(guò)濾推薦算法[J]. 張應(yīng)輝,司彩霞.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(01)

碩士論文
[1]基于關(guān)聯(lián)規(guī)則優(yōu)化的協(xié)同過(guò)濾混合推薦算法研究[D]. 韓志俊.寧夏大學(xué) 2018
[2]基于深度學(xué)習(xí)的協(xié)同過(guò)濾算法研究[D]. 王逸鶴.北京工業(yè)大學(xué) 2018
[3]基于協(xié)同過(guò)濾和屬性關(guān)聯(lián)規(guī)則混合推薦算法研究[D]. 魏全彬.西南交通大學(xué) 2018
[4]融合信任關(guān)系的二重聚類(lèi)推薦算法研究[D]. 唐同龍.鄭州大學(xué) 2016
[5]電子商務(wù)推薦系統(tǒng)的關(guān)聯(lián)聚類(lèi)協(xié)同過(guò)濾算法研究[D]. 鄒飛.大連海事大學(xué) 2015



本文編號(hào)：3404206