基于協(xié)同過濾的推薦算法研究

《基于協(xié)同過濾的推薦算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩士學(xué)位論文基于協(xié)同過濾的推薦算法研究作者姓名高文堯?qū)W科專業(yè)概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師楊立洪教授所在學(xué)院數(shù)學(xué)學(xué)院論文提交日期2016年05月ResearchonRecommendationAlgorithmbasedonCollaborativeFilteringADissertationSubmittedfortheDegreeofMasterCandidate：GaoWenyaoSupervisor：Prof.YangLihongSouthChinaUniversityofTechnologyGuangzhou,Chi

2、na分類號！０２１學(xué)校代號：１０５６１學(xué)號：２０１３２０１２０９７７華南理工大學(xué)碩±學(xué)位論文基于協(xié)同過濾的推薦算法研究作者姓名：高文堯指導(dǎo)教師姓名：、職稱楊立洪教授申請學(xué)位級別：理學(xué)碩±學(xué)科專業(yè)名稱：槪率論與數(shù)理統(tǒng)計(jì)研巧方向：數(shù)據(jù)巧掘與統(tǒng)計(jì)決策０？口／論文提交日期：２０１５年０５月０３日論文笞辯日期；７＾分年月＾日學(xué)位授予單位：華南理工大學(xué)學(xué)垃授予日期：年月日華南理工大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成

3、果。除了文中特別加Ｗ標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均己在文中明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名；怎３＾裏日期：年０支月０（＾日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，目Ｐ：研巧生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬華南理工大學(xué)。學(xué)校有權(quán)保存并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許學(xué)位論文被查閱（除在保密期內(nèi)的保密論文

4、外）；學(xué)校可ｔｉｌ公布學(xué)位論文的全部或部分內(nèi)容，可允許采用影印、縮印或其它復(fù)制手段保、存匯編學(xué)位一。致。論文本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相：本學(xué)位論文屬于□保密，在年。解密后適巧本授權(quán)書＾（不保密意在校網(wǎng)上，，同園發(fā)布供校內(nèi)師生和與學(xué)校有共享協(xié)議的單位瀏覽；同意將人學(xué)位論文提交中國學(xué)術(shù)盤本期巧光版電子雜志社（）全Ｃ版編入ＮＫＩ文出和《中國知資總庫》，傳播學(xué)位論文識源的全部或部分。內(nèi)容＂＂請?jiān)谏舷鄳?yīng)方框Ｖ內(nèi)打（）。長。作者簽名；日日期年月Ｉ。；：指導(dǎo)教師簽名日／日期

5、年６月｛成；作者聯(lián)系電話電子郵箱；地址（）；聯(lián)系含郵編摘要隨著互聯(lián)網(wǎng)和信息技術(shù)的飛速發(fā)展，在互聯(lián)網(wǎng)上用戶面臨的信息呈現(xiàn)爆炸式的增長，海量的網(wǎng)絡(luò)信息的滿足了用戶多樣性的信息需求，但是它所帶來的信息過載的問題也日趨嚴(yán)重。信息檢索和信息過濾技術(shù)是解決目前信息過載問題的主要手段，推薦系統(tǒng)作為信息過濾技術(shù)的典型代表，近年來逐漸成為解決信息過載問題最有效方法之一。推薦系統(tǒng)誕生以來，許多優(yōu)秀的推薦算法被學(xué)者們提出并應(yīng)用在商業(yè)推薦系統(tǒng)中，協(xié)同過濾算法是目前推薦系統(tǒng)中最核心、應(yīng)用最廣泛的推薦算法之一。本文針對傳統(tǒng)的基于用戶的協(xié)

6、同過濾算法所面臨的數(shù)據(jù)稀疏性問題、算法可拓展性問題和相似度計(jì)算不準(zhǔn)確等問題，給出了相應(yīng)的改進(jìn)措施，然后在綜合這些改進(jìn)措施的基礎(chǔ)上提出了改進(jìn)的基于用戶的協(xié)同過濾算法，具體工作如下：針對基于用戶的協(xié)同過濾算法的所面臨的稀疏性問題，本文從稀疏評分矩陣缺失值的特點(diǎn)出發(fā)，給出了綜合用戶和項(xiàng)目差異的隨機(jī)填補(bǔ)、基于項(xiàng)目相似性加權(quán)的隨機(jī)填補(bǔ)兩種缺失值填補(bǔ)方法，它們能夠在保留原始評分矩陣真實(shí)信息的基礎(chǔ)上減小矩陣的稀疏度。實(shí)驗(yàn)表明運(yùn)用兩種填補(bǔ)措施能夠一定程度上提高推薦準(zhǔn)確度。針對基于用戶的協(xié)同過濾在最近鄰相似度評估時(shí)，當(dāng)用戶之間共同評分項(xiàng)目

7、過少的情況下傳統(tǒng)相似度評估方法計(jì)算不準(zhǔn)確的問題，本文根據(jù)協(xié)同推薦中相似的樣本特點(diǎn)，在皮爾遜相似度計(jì)算公式的基礎(chǔ)上，給出了基于變權(quán)重的相似度計(jì)算方法，并通過實(shí)驗(yàn)與傳統(tǒng)的皮爾遜相似度計(jì)算公式、Herlocker等人提出的修正的皮爾遜相關(guān)性計(jì)算公式對比驗(yàn)證，結(jié)果表明基于變權(quán)重的相似度計(jì)算方法能夠一定程度上提升算法推薦準(zhǔn)確度。針對基于用戶的協(xié)同過濾算法不區(qū)分用戶興趣偏好的差異從而影響推薦效果的問題，本文從用戶對不同的風(fēng)格類型的商品的興趣偏好差異性特點(diǎn)出發(fā)，給出了基于項(xiàng)目劃分的近鄰搜索方法，即通過聚類的方法對項(xiàng)目進(jìn)行劃分完成用戶-

8、項(xiàng)目評分矩陣的分割，然后分別在分割后的子評分矩陣上應(yīng)用推薦算法，實(shí)驗(yàn)結(jié)果表明基于項(xiàng)目劃分的措施能夠提升推薦準(zhǔn)確度。最后，本文在綜合基于項(xiàng)目相似性加權(quán)的稀疏矩陣填補(bǔ)、基于變權(quán)重的相似性計(jì)算和基于項(xiàng)目劃分的近鄰搜索三種措施的基礎(chǔ)上，提出了改進(jìn)的基于用戶的協(xié)同過濾算法，對比實(shí)驗(yàn)表明改進(jìn)算法能夠有效提高推薦精度。關(guān)鍵詞：推薦