本文關鍵詞：基于協(xié)同過濾算法的推薦系統(tǒng)研究與實現(xiàn)

  更多相關文章： 推薦系統(tǒng) 協(xié)同過濾 稀疏性問題 冷啟動問題

【摘要】：近年來，隨著計算機技術的飛速發(fā)展與網(wǎng)絡的迅速普及，人們既可以享受海量信息資源帶來的便利，同時又面臨著“信息超載”所帶來的問題，推薦系統(tǒng)正是為了解決這一問題而產(chǎn)生的。相較于經(jīng)典的搜索引擎式服務，推薦系統(tǒng)的個性化是其得天獨厚的優(yōu)勢。推薦系統(tǒng)的研究是當前信息資源急速膨脹環(huán)境下的迫切需求，有著重要的理論價值與實際價值。協(xié)同過濾技術是當前推薦系統(tǒng)研究的熱點之一，然而其依然存在稀疏性問題、冷啟動問題需要解決，同時在算法的精準度上也尚有很大的研究空間。 針對上述問題本文主要的研究對象為推薦系統(tǒng)以及在解決數(shù)據(jù)稀疏性和冷啟動問題的前提下提高協(xié)同過濾算法的精確度的改進方法。所以，本文的主要研究內(nèi)容和創(chuàng)新點可以概括為以下幾個方面： 第一，首先對推薦系統(tǒng)進行整體的研究，充分研究了推薦系統(tǒng)的相關概念，對各種推薦系統(tǒng)、各種推薦系統(tǒng)的優(yōu)勢與劣勢以及協(xié)同過濾算法進行了深入的研究。 第二，在對協(xié)同過濾算法的深入研究的基礎上，針對算法數(shù)據(jù)稀疏性問題與冷啟動問題，，本文通過結合用戶屬性與項目屬性，提出了一種改進的協(xié)同過濾算法。改進的算法利用推薦系統(tǒng)中的用戶與項目信息彌補了經(jīng)典協(xié)同過濾算法的不足。并且不同于簡單的組合，算法可以根據(jù)評分數(shù)據(jù)集的特點動態(tài)的調(diào)節(jié)用戶和項目屬性信息在評分預測中所占的比重，使得算法的準確度進一步提升，并且通過實驗驗證了這一結論。 第三，以電影推薦系統(tǒng)為例，通過之前對現(xiàn)有協(xié)同過濾推薦系統(tǒng)的總結與分析，設計并實現(xiàn)基于改進的協(xié)同過濾算法的推薦系統(tǒng)，以檢驗改進算法的實用性。
【關鍵詞】：推薦系統(tǒng) 協(xié)同過濾 稀疏性問題 冷啟動問題
【學位授予單位】：河北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 國外研究現(xiàn)狀10-11
• 1.2.2 國內(nèi)研究現(xiàn)狀11-12
• 1.3 面臨的問題和挑戰(zhàn)12-13
• 1.4 本文主要工作和安排13-15
• 第二章 推薦系統(tǒng)相關概念15-31
• 2.1 相關基本知識15-20
• 2.1.1 信息檢索和信息過濾15-16
• 2.1.2 數(shù)據(jù)挖掘技術16-17
• 2.1.3 個性及其特征17
• 2.1.4 推薦系統(tǒng)17-20
• 2.2 推薦技術與分類20-24
• 2.2.1 基于內(nèi)容的推薦技術21
• 2.2.2 基于協(xié)同過濾的推薦技術21-23
• 2.2.3 基于規(guī)則的推薦技術23-24
• 2.2.4 推薦技術的比較24
• 2.3 協(xié)同過濾算法及分類24-29
• 2.3.1 協(xié)同過濾算法推薦步驟24-25
• 2.3.2 協(xié)同過濾算法的分類25-29
• 2.4 推薦系統(tǒng)的評價29-30
• 2.4.1 Movielens 數(shù)據(jù)集29-30
• 2.4.2 評價標準30
• 2.5 本章小結30-31
• 第三章 基于用戶屬性和項目屬性的改進算法31-41
• 3.1 問題的提出31-32
• 3.2 基于用戶和項目屬性的改進的協(xié)同過濾推薦32-36
• 3.2.1 基于用戶屬性和項目屬性的預測32-33
• 3.2.2 基于用戶和項目屬性的改進算法33-36
• 3.3 改進算法的流程36-37
• 3.4 實驗分析37-40
• 3.4.1 參數(shù)的選取37-38
• 3.4.2 實驗結果分析38-40
• 3.5 存在的不足40
• 3.6 小結40-41
• 第四章 基于改進協(xié)同過濾算法的推薦系統(tǒng)設計與實現(xiàn)41-49
• 4.1 引言41
• 4.2 推薦系統(tǒng)結構41-42
• 4.3 推薦系統(tǒng)表設計42-44
• 4.4 推薦系統(tǒng)角色分類44-45
• 4.5 個性化推薦模塊的設計與實現(xiàn)45-48
• 4.6 小結48-49
• 第五章 總結與展望49-51
• 5.1 全文的總結49-50
• 5.2 下一步工作和展望50-51
• 參考文獻51-55
• 致謝55-56

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 趙亮,胡乃靜,張守志;個性化推薦算法設計[J];計算機研究與發(fā)展;2002年08期

2 李寧;王子磊;吳剛;鄭濤;;個性化影片推薦系統(tǒng)中用戶模型研究[J];計算機應用與軟件;2010年12期

3 曾春,邢春曉,周立柱;個性化服務技術綜述[J];軟件學報;2002年10期

4 陳志敏;姜藝;;綜合項目評分和屬性的個性化推薦算法[J];微電子學與計算機;2011年09期

5 馬宏偉;張光衛(wèi);李鵬;;協(xié)同過濾推薦算法綜述[J];小型微型計算機系統(tǒng);2009年07期

6 張小紅;;協(xié)同過濾中的相似性度量方法的研究[J];無線電通信技術;2013年01期

本文編號：996646