基于用戶的協(xié)同過(guò)濾算法在圖書(shū)推薦系統(tǒng)中的應(yīng)用研究
發(fā)布時(shí)間:2024-02-18 01:02
隨著圖書(shū)資源的不斷豐富與現(xiàn)代信息技術(shù)的飛速發(fā)展,“信息超載”的矛盾日益惡化,引起眾多研究者的密切關(guān)注。目前在學(xué)界解決這種問(wèn)題的常見(jiàn)有效途徑有兩條:搜索技術(shù)和個(gè)性化推薦技術(shù)。個(gè)性化推薦技術(shù)也稱推薦系統(tǒng),相比于搜索引擎,不依賴于用戶主動(dòng)鍵入搜索內(nèi)容,不借助于用戶提供明確的關(guān)鍵詞導(dǎo)向,通過(guò)收集用戶的歷史行為習(xí)慣數(shù)據(jù)或標(biāo)注信息,為用戶建立興趣模型,預(yù)測(cè)用戶對(duì)某一圖書(shū)是否喜歡以及喜好程度的高低,再主動(dòng)給用戶推薦其最有可能喜愛(ài)或者感興趣的信息。在實(shí)踐中,基于用戶的協(xié)同過(guò)濾算法以其獨(dú)特的優(yōu)勢(shì)在推薦系統(tǒng)中得到大量的應(yīng)用,但仍存在一些關(guān)鍵問(wèn)題亟待解決,如數(shù)據(jù)稀疏,冷啟動(dòng),數(shù)據(jù)缺失,推薦準(zhǔn)確性和多樣性,推薦效率的問(wèn)題等等。面對(duì)傳統(tǒng)的基于用戶的協(xié)同過(guò)濾推薦系統(tǒng)的不足,本文研究了傳統(tǒng)的基于用戶的協(xié)同過(guò)濾算法的相關(guān)技術(shù),并在此基礎(chǔ)上提出了一些改進(jìn)算法。在對(duì)優(yōu)化的用戶-圖書(shū)評(píng)分矩陣計(jì)算用戶相似度時(shí),考慮到兩個(gè)用戶的公共評(píng)級(jí)項(xiàng)目數(shù)量對(duì)評(píng)分次數(shù)對(duì)結(jié)果的影響,將兩個(gè)用戶共同項(xiàng)目相似度添加為閾值,用戶評(píng)級(jí)的數(shù)量也包括在計(jì)算過(guò)程中,并且轉(zhuǎn)換用戶對(duì)圖書(shū)的評(píng)分的次數(shù)是用戶評(píng)定該屬性的次數(shù)。公共評(píng)級(jí)項(xiàng)目的數(shù)量越大,評(píng)分次數(shù)越多,...
【文章頁(yè)數(shù)】:55 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 國(guó)內(nèi)研究現(xiàn)狀
1.2.2 國(guó)外研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容
1.4 論文結(jié)構(gòu)
第2章 推薦系統(tǒng)相關(guān)理論與技術(shù)研究
2.1 常見(jiàn)的推薦算法
2.1.1 基于用戶的推薦
2.1.2 基于內(nèi)容的推薦方法
2.1.3 基于人口統(tǒng)計(jì)學(xué)的推薦
2.1.4 基于關(guān)聯(lián)規(guī)則的推薦
2.1.5 組合推薦技術(shù)
2.2 各種推薦技術(shù)的對(duì)比
2.3 相似性計(jì)算
2.3.1 歐幾里德距離
2.3.2 余弦相似性
2.3.3 調(diào)整后的余弦相似性
2.3.4 皮爾森相關(guān)系數(shù)
2.3.5 杰卡德系數(shù)相似系數(shù)
2.4 本章小結(jié)
第3章 協(xié)同過(guò)濾面臨的挑戰(zhàn)
3.1 冷啟動(dòng)問(wèn)題
3.2 準(zhǔn)確度和多樣性問(wèn)題
3.3 數(shù)據(jù)缺失
3.4 本章小結(jié)
第4章 對(duì)傳統(tǒng)基于用戶的協(xié)同過(guò)濾推薦算法改進(jìn)工作
4.1 基于公共項(xiàng)目數(shù)量的用戶相似度
4.2 用戶屬性評(píng)分相似度
4.3 改進(jìn)基于用戶的協(xié)同過(guò)濾算法
4.4 本章小結(jié)
第5章 實(shí)驗(yàn)方案設(shè)計(jì)與結(jié)果分析
5.1 實(shí)驗(yàn)準(zhǔn)備
5.1.1 實(shí)驗(yàn)數(shù)據(jù)
5.1.2 實(shí)驗(yàn)環(huán)境和條件
5.1.3 評(píng)價(jià)標(biāo)準(zhǔn)
5.2 實(shí)驗(yàn)過(guò)程
5.2.1 實(shí)驗(yàn)方案
5.2.2 多重交叉驗(yàn)證
5.3 實(shí)驗(yàn)結(jié)果及分析
5.4 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
本文編號(hào):3901622
【文章頁(yè)數(shù)】:55 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 國(guó)內(nèi)研究現(xiàn)狀
1.2.2 國(guó)外研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容
1.4 論文結(jié)構(gòu)
第2章 推薦系統(tǒng)相關(guān)理論與技術(shù)研究
2.1 常見(jiàn)的推薦算法
2.1.1 基于用戶的推薦
2.1.2 基于內(nèi)容的推薦方法
2.1.3 基于人口統(tǒng)計(jì)學(xué)的推薦
2.1.4 基于關(guān)聯(lián)規(guī)則的推薦
2.1.5 組合推薦技術(shù)
2.2 各種推薦技術(shù)的對(duì)比
2.3 相似性計(jì)算
2.3.1 歐幾里德距離
2.3.2 余弦相似性
2.3.3 調(diào)整后的余弦相似性
2.3.4 皮爾森相關(guān)系數(shù)
2.3.5 杰卡德系數(shù)相似系數(shù)
2.4 本章小結(jié)
第3章 協(xié)同過(guò)濾面臨的挑戰(zhàn)
3.1 冷啟動(dòng)問(wèn)題
3.2 準(zhǔn)確度和多樣性問(wèn)題
3.3 數(shù)據(jù)缺失
3.4 本章小結(jié)
第4章 對(duì)傳統(tǒng)基于用戶的協(xié)同過(guò)濾推薦算法改進(jìn)工作
4.1 基于公共項(xiàng)目數(shù)量的用戶相似度
4.2 用戶屬性評(píng)分相似度
4.3 改進(jìn)基于用戶的協(xié)同過(guò)濾算法
4.4 本章小結(jié)
第5章 實(shí)驗(yàn)方案設(shè)計(jì)與結(jié)果分析
5.1 實(shí)驗(yàn)準(zhǔn)備
5.1.1 實(shí)驗(yàn)數(shù)據(jù)
5.1.2 實(shí)驗(yàn)環(huán)境和條件
5.1.3 評(píng)價(jià)標(biāo)準(zhǔn)
5.2 實(shí)驗(yàn)過(guò)程
5.2.1 實(shí)驗(yàn)方案
5.2.2 多重交叉驗(yàn)證
5.3 實(shí)驗(yàn)結(jié)果及分析
5.4 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
本文編號(hào):3901622
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3901622.html
最近更新
教材專著