資源描述：
《基于web挖掘的個性化推薦算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、ResearchonapersonalizedrecommendationalgorithmbasedonWebminingThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByZhangXiaoleiSupervisor:Prof.SunZhixinFebruary2014萬方數(shù)據(jù)南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工
2、作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京郵電大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。本人學(xué)位論文及涉及相關(guān)資料若有不實，愿意承擔(dān)一切相關(guān)的法律責(zé)任。研究生簽名：_____________日期：____________南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可以保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子文檔；允許論文
3、被查閱和借閱；可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索；可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。涉密學(xué)位論文在解密后適用本授權(quán)書。研究生簽名：____________導(dǎo)師簽名：____________日期：_____________萬方數(shù)據(jù)摘要隨著IT技術(shù)、web2.0技術(shù)以及云計算技術(shù)等的不斷發(fā)展，信息超載問題使人們在面對海量數(shù)據(jù)尋找滿足自己需求的信息時變得手足無措；同時，信息檢索個
4、性缺失問題是用戶體驗下降，系統(tǒng)用戶流失的重要原因之一。本文介紹個性化推薦技術(shù)對解決這兩大問題的作用與方法，并通過分析協(xié)同過濾算法思想原理及其所存在的不足，提出基于Web挖掘的個性化推薦算法，提高推薦系統(tǒng)的推薦質(zhì)量與性能。為了解決傳統(tǒng)的協(xié)同過濾算法中所存在的數(shù)據(jù)稀疏性、“冷啟動”以及用戶參與度高等問題，引入Web使用挖掘技術(shù)，通過挖掘用戶的Web日志，了解用戶的行為模式、興趣愛好并構(gòu)建“用戶-項目”興趣度矩陣，改變協(xié)同過濾算法的數(shù)據(jù)采集方式和數(shù)據(jù)表現(xiàn)形式：由顯示用戶評分轉(zhuǎn)變?yōu)殡[式用戶項目偏好度；其次，為了解
5、決傳統(tǒng)的協(xié)同過濾算法中相似度計算方法鄰居誤判問題、無法應(yīng)對新用戶或新項目“冷啟動”問題等，引入單點作用度機制，從“用戶-項目”興趣度矩陣整體角度，考察用戶向量的每個分量在計算用戶相似度過程中的作用并加權(quán)影響相似度計算結(jié)果；最后，為了優(yōu)化傳統(tǒng)的協(xié)同過濾算法中鄰居集產(chǎn)生的方法，算法衡量用戶間項目推薦重要度的差異，對目標(biāo)用戶的相似用戶集進行過濾產(chǎn)生最優(yōu)鄰居集。本文采集南京郵電大學(xué)Web服務(wù)器日志數(shù)據(jù)并對其進行Web使用挖掘，構(gòu)建“用戶-項目”興趣度矩陣作為實驗數(shù)據(jù)源，對基于Web挖掘的個性化推薦算法進行實驗仿真
6、與測試，使用MAE、覆蓋率、精確率和召回率四個算法評估指標(biāo)將其與傳統(tǒng)的基于PC的協(xié)同過濾算法進行比較，實驗結(jié)果表明，基于Web挖掘的個性化推薦算法具有更高的推薦質(zhì)量。綜上所述，基于Web挖掘的個性化推薦算法通過分析傳統(tǒng)的協(xié)同過濾算法所存在的問題，從數(shù)據(jù)源獲取、相似度計算方法和鄰居產(chǎn)生方法三個方面對其進行改進，引進Web挖掘技術(shù)、單點作用度機制和推薦重要度機制提高推薦結(jié)果的可靠性和準(zhǔn)確性并得到了實驗驗證。關(guān)鍵詞:個性化推薦，協(xié)同過濾，Web挖掘，單點作用度，推薦重要度I萬方數(shù)據(jù)AbstractWiththe
7、developmentofITtechnology,web2.0technologyandcloudcomputingtechnology,ononehand,theproblemofinformationoverloadmakeitdifficultthepeoplesearchinformationtosatisfiytheirneeds;ontheotherhand,thelackofpersonalityofInformationRetrivalreducestheuserexperiencean
8、dleadstotheuserchurn.Thethesisintroducesthepersonalizedrecommendationtechnologyandexplainsitseffectandmethodtosolvetheaboveproblems;elaboratesthetheoryofcollaborativefilteringandanalyzesitsshortages;presentsapersona
