【摘要】：隨著信息技術(shù)與“互聯(lián)網(wǎng)+”的快速發(fā)展,人類社會(huì)邁入了一個(gè)信息爆炸的大數(shù)據(jù)時(shí)代。與日俱增的信息為我們的日常生活提供了更加自由的選擇空間,但也使得我們?cè)诿鎸?duì)如此龐大的信息量時(shí)如何快速精準(zhǔn)的獲取目標(biāo)信息變得無從下手。因此,具有個(gè)性化、智能化的推薦系統(tǒng)作為解決信息過載的有效工具應(yīng)運(yùn)而生,并在電子商務(wù)、社交平臺(tái)等多個(gè)領(lǐng)域展現(xiàn)出極具潛力的發(fā)展前景與應(yīng)用前景。推薦系統(tǒng)的核心是推薦算法。本文首先分析了傳統(tǒng)推薦算法的基本原理與主要內(nèi)容,包括協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法等。針對(duì)這些算法中存在的數(shù)據(jù)稀疏性、計(jì)算可擴(kuò)展性差、個(gè)性化能力不足等問題,本文提出了一種全新的推薦算法理論框架,并應(yīng)用于在線音樂服務(wù)網(wǎng)站的歌曲推薦上。在算法改進(jìn)方面,本文提出了基于SVD與LightGBM的音樂推薦算法,簡稱為SVD-LGBM。該算法的核心在于推薦最符合用戶偏好的歌曲名單。整個(gè)算法包含兩部分內(nèi)容:第一部分,為了緩解用戶-項(xiàng)目評(píng)分矩陣的數(shù)據(jù)稀疏性和計(jì)算可擴(kuò)展性差的問題,本文引入奇異值分解方法實(shí)現(xiàn)對(duì)稀疏矩陣的快速填充,通過抽取用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)的關(guān)鍵特征,得到相應(yīng)的用戶特征矩陣與音樂特征矩陣,并對(duì)用戶進(jìn)行基于奇異值分解的歌曲評(píng)分預(yù)測(cè);第二部分,為了進(jìn)一步提高歌曲推薦的準(zhǔn)確性,在用戶特征矩陣與音樂特征矩陣的基礎(chǔ)上,結(jié)合用戶屬性、歌曲屬性、用戶的操作行為等數(shù)據(jù),進(jìn)行特征工程建設(shè),構(gòu)建更加完善的用戶畫像,考慮到用戶的行為偏好會(huì)隨著時(shí)間推移而發(fā)生改變,引入時(shí)間衰減函數(shù)進(jìn)行數(shù)據(jù)修正。然后使用LightGBM算法對(duì)用戶進(jìn)行未收聽歌曲的評(píng)分預(yù)測(cè),并與基于SVD所得到的預(yù)測(cè)評(píng)分進(jìn)行加權(quán)融合,得到最終的歌曲推薦列表。最后,將改進(jìn)后的算法在KKBOX數(shù)據(jù)集上進(jìn)行實(shí)證分析,確定改進(jìn)算法的最優(yōu)參數(shù),并通過與其他算法對(duì)比驗(yàn)證改進(jìn)的有效性。實(shí)驗(yàn)結(jié)果表明,SVD-LGBM算法在提升推薦準(zhǔn)確度、緩解數(shù)據(jù)稀疏性、提高算法運(yùn)行效率等方面都有著出色的表現(xiàn)。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：C81;J605
【圖文】：

圖１－１論文研宄框架圖逡逑７逡逑

這些推薦模型也和Ｓｐｏｔｉｆｙ其它更大的生態(tài)系統(tǒng)連接在一起，其中包括利用逡逑海量的數(shù)據(jù)存儲(chǔ)以及非常多的Ｈａｄｏｏｐ集群來做推薦服務(wù)的擴(kuò)展，使得引擎得以逡逑進(jìn)行大規(guī)模數(shù)據(jù)計(jì)算，完整的Ｓｐｏｔｉｆｙ音樂推薦流程如圖２－４所示。逡逑ｍ邋Ｃｈａｎｄｒａ邐ＨＤＦＳ逡逑＇ｒ邋＊逡逑＾＊＊邋—邋—＊１邋邋邋邋邋邋邋？邋邋＾：逡逑ｒ邐：－逡逑、邋：ＯＴ－邐＇邋卜、逡逑－ｔｏｇａ邐Ｍｅｔａｄａｔａ邋：邐ａｎｄ邋捕逡逑知j_邐．．．．．．－、丨．邐＼Ｊ邐．邋邋邐１邐—？．邐了一—：：廣逡逑Ｄａｃｏｖ？＂邋Ｄ？＊ｃｏｖ＃ｒ邐ｒ邐ｆ邋ｋ邋ｆ邋．．ＸＺ；逡逑Ｌ邋ｒ邋）邋Ｊ５ＪＪ２Ｊ２Ｌｉ，邐８ａｔｃ＾邋：逡逑＇＜邐？，邐Ｒａｗ邋ＡｊＸＳｊｏ逡逑導(dǎo)一邐＾邋Ａ逡逑ｃ邋娜麟邋ａ：邐１邐邐邋一；邐＾邋ｖ逡逑＇二■私一邐邐逡逑Ａｕ３？ｏ逡逑Ｍｃｘｓｅ＾逡逑圖２－４邋Ｓｐｏｔｉｆｙ音樂推薦系統(tǒng)逡逑二、國內(nèi)音樂推薦系統(tǒng)的發(fā)展現(xiàn)狀逡逑在基于協(xié)同過濾、基于內(nèi)容的推薦算法的應(yīng)用基礎(chǔ)上，國內(nèi)在音樂推薦的應(yīng)逡逑用創(chuàng)新上主要受到ｗｅｂ２．０與社交網(wǎng)絡(luò)的迅速發(fā)展的影響，用戶偏好與行為信息逡逑被大量地記錄在社交網(wǎng)絡(luò)數(shù)據(jù)中，以網(wǎng)易云音樂、蝦米音樂為代表的國內(nèi)主要音逡逑樂網(wǎng)站也越來越重視將傳統(tǒng)的推薦算法與社交網(wǎng)絡(luò)結(jié)合起來，在進(jìn)行音樂、歌單、逡逑１８逡逑

由于對(duì)角矩陣Ｓｒｎｘｕ中的奇異值是從大到小進(jìn)行排列的，那么前個(gè)Ａ值也就逡逑代表了前／Ｃ個(gè)次對(duì)／？ｍｘｎ矩陣的貢獻(xiàn)大小。假設(shè)我們只需要選�。眰�(gè)奇異值就可以逡逑保留絕大多數(shù)信息，那么原始矩陣／？ｍｘｎ就可由圖３－１所示的三個(gè)灰色小矩陣來逡逑近似描述。逡逑Ｌｅｆｔ邋ｓｉｎｇｕｌａｒ邋ｖｅｃｔｏｒ邋ｏｆ邋Ｒ邐ｓｉｎｇｕｌａｒ邋ｖａｌｕｅ邐Ｒｉｇｈｔ邋ｓｉｎｇｕｌａｒ邋ｖｅｃｔｏｒ邋ｏｆ邋Ｒ逡逑邐ｎ邐ｊ／邐ｋ邐￣￣邐＾邋ｋ邋「：邐’邐ｎ逡逑ｒ邐＾邐ｌ＂＇＂＇邐邐＇逡逑ｘ邋＼邋ｘ邐ｖｊ逡逑ｋ邐ｋｌ逡逑Ｒ邐＾邋ｉ邋Ｑｉ逡逑ｍ邋邐邋ｍ邋—：邐逡逑圖３－１邋ＳＶＤ矩陣分解示意圖（ｋ＝ｌ）逡逑在實(shí)際情況中，ｆｃ值的選取一般需要多次實(shí)驗(yàn)結(jié)果來確定。當(dāng)選定／ｃ值后，對(duì)逡逑角矩陣Ｓｍｘｒｉ可簡化為Ｅｆｃｘｆｃ，Ｑｍｘｍ后Ｗ邋—邋列無效可簡化為Ｑｍｘｆｃ，以ｘｎ后ｎ邋—／Ｃ逡逑行無效可簡化為，公式（３－１）可表示為逡逑＾ｍｘｎ邋￣邋＾ｍｘｋ邋＊邋＾ｎｘｋ邋＞邋＾ｍｘｋ邋￣￣邋Ｑｍｘｋ邋＊邋Ｘｆｅｘｆｃ邐（３＿３）逡逑在用戶－項(xiàng)目評(píng)分矩陣中，定義ｍ為用戶總數(shù)，ｎ為項(xiàng)目總數(shù)，那么ＬＵＸ；Ｃ就為逡逑用戶特征矩陣，為項(xiàng)目特征矩陣。逡逑第二節(jié)利用ＳＶＤ計(jì)算音樂評(píng)分逡逑給定用戶－音樂評(píng)分矩陣／？ｍｘ？邋＝＝邐７＾表示用戶〖對(duì)歌曲ｙ做出的喜好，逡逑若用戶４未聽過歌曲ｓｏｎ％，對(duì)應(yīng)的值缺失。ＳＶＤ算法的目的在于對(duì)這些矩陣逡逑中的缺失值做出預(yù)測(cè)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

2 張世東;;推薦算法概述[J];科技傳播;2019年04期

3 陳軍;謝衛(wèi)紅;陳揚(yáng)森;;國內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動(dòng)態(tài)研究[J];中國科技論壇;2018年01期

4 向洋樂;;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購物推薦算法應(yīng)用研究[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年04期

5 喻國明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進(jìn)階重點(diǎn)[J];山東社會(huì)科學(xué);2018年03期

6 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年20期

7 劉濤;劉佐;;一種面向新文章的個(gè)性化推薦算法研究[J];控制工程;2018年06期

8 汪海鵬;鄭揚(yáng)飛;;基于特征值的律師推薦算法及改進(jìn)方案[J];計(jì)算機(jī)與現(xiàn)代化;2018年10期

9 李圣秋;吳偉明;谷勇浩;;一種結(jié)合評(píng)分時(shí)間特性的協(xié)同過濾推薦算法[J];軟件;2016年11期

10 謝桂林;詹志強(qiáng);李凱;;基于聚類的因子分解機(jī)推薦算法研究[J];軟件;2016年10期

相關(guān)會(huì)議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評(píng)分的基于二部圖的推薦算法[A];第十七屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2015年

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號(hào)：2743097