智能移動終端設備的廣泛普及和網(wǎng)絡通信技術的不斷發(fā)展,使得人們可通過互聯(lián)網(wǎng)獲得海量數(shù)據(jù)。面對可得到的海量數(shù)據(jù),人們亟需解決的問題是如何高效準確地查詢到所需信息。搜索引擎通過過濾與顯式查詢匹配的頁面成為解決方案之一,然而人們在查詢時很難給出有效的關鍵詞。推薦系統(tǒng)在某種程度上解決了這些問題,可以幫助用戶在面對大量數(shù)據(jù)時快速有效地獲取有用資源。協(xié)同過濾算法（Collaborative Filtering,以下簡稱CF）是推薦系統(tǒng)在學術研究和實際商業(yè)領域中最普遍使用的算法,依據(jù)用戶的歷史打分數(shù)據(jù),衡量用戶或項目間的相似程度,生成指定用戶或項目的相似鄰居集合,并據(jù)此預測項目得分。但協(xié)同過濾算法十分依賴用戶對項目的評分數(shù)據(jù),存在著數(shù)據(jù)稀疏和“冷啟動”的問題。本文針對以上問題做出改進,將社交關系數(shù)據(jù)引入到協(xié)同過濾中進行矩陣補全,利用聚類算法生成項目聚類,在相似度計算時考慮了項目的內(nèi)在屬性特征,并結(jié)合了自然界的注意力機制思想,主要工作如下:第一點,利用用戶好友關系數(shù)據(jù)定義影響力系數(shù),并將其應用到協(xié)同過濾算法的矩陣補全過程中,充分的考慮了用戶的社交關系和興趣領域,提高了矩陣補全分值的準確性,使得缺省項的補... 

【文章來源】：吉林大學吉林省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 推薦算法研究背景及意義
    1.2 推薦算法國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
第2章 協(xié)同過濾算法和相關理論介紹
    2.1 協(xié)同過濾算法
        2.1.1 基于用戶的協(xié)同過濾算法
        2.1.2 基于項目的協(xié)同過濾算法
    2.2 相似度計算方法介紹
        2.2.1 歐式距離法
        2.2.2 余弦相似度
        2.2.3 修正的余弦相似度
        2.2.4 皮爾遜相關系數(shù)
    2.3 數(shù)據(jù)稀疏性問題介紹
        2.3.1 利用矩陣補全解決數(shù)據(jù)稀疏問題
        2.3.2 利用矩陣分解解決數(shù)據(jù)稀疏問題
        2.3.3 利用聚類算法解決數(shù)據(jù)稀疏問題
    2.4 社交關系介紹
    2.5 注意力機制介紹
    2.6 本章小結(jié)
第3章 基于社交關系和聚類的協(xié)同過濾算法
    3.1 數(shù)據(jù)預處理
    3.2 聚類算法
    3.3 近鄰集合
    3.4 CF-SRC算法
        3.4.1 影響力系數(shù)
        3.4.2 矩陣補全
        3.4.3 項目聚類
        3.4.4 項目相似性計算
        3.4.5 評分預測
    3.5 實驗及結(jié)果分析
        3.5.1 實驗數(shù)據(jù)集
        3.5.2 實驗評價指標
        3.5.3 實驗結(jié)果和分析
    3.6 本章小結(jié)
第4章 基于注意力機制的CF-SRC算法
    4.1 算法背景
    4.2 CF-SRCA算法
        4.2.1 項目差異度定義
        4.2.2 皮爾遜相關系數(shù)的改進
        4.2.3 算法詳細描述
    4.3 實驗及結(jié)果分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
作者簡介及在學期間所取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]一種基于SVD++融合顯隱式反饋的自適應推薦算法[J]. 張陽,薦子菡.  中國科技信息. 2018(06)
[2]基于多層次混合相似度的協(xié)同過濾推薦算法[J]. 袁正午,陳然.  計算機應用. 2018(03)
[3]利用社交關系的實值條件受限玻爾茲曼機協(xié)同過濾推薦算法[J]. 何潔月,馬貝.  計算機學報. 2016(01)



本文編號：3638630