融合多源信息的推薦算法研究.pdf

《融合多源信息的推薦算法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、－．，‘ｖ．？．＾－．／．？．靖＇‘，隸心‘．ｓ＂，乃：：錯令．－：＇於ｃ髮乃巧＼々人．＼考＾悼．％；－ｗ．、＇，．‘．．讓）．ｒ、：；Ｖ：．－ｖ＇亥－Ｖ減＠癸＇．、雙．－、Ｖ．＇ｖ、＇＇：太矣Ｋ。誇＇．．蔡－，．ｖ沒六．．彎．．；，．＾己ｋ．；＼曼受．ｙ．婪繫．‘囊畝、．立Ｃ：一惡．‘．＇巧．．讀Ｖ盛‘近：＼ＫＶ氧按賽＾達中；巧：Ｖ窗．．，．．興．，．養(yǎng)＼，韋種．．，％兮．一；賞巧究＾畢論文：、：Ｖ．．讀Ｃ謹儀、；耗；：早ｖ＇／Ｃ申博Ｎ３；‘，聲；妓’＾起．．．．－ｖ．夸．／＇＇．．，、．．．＾．．．；簽．養(yǎng)．

2、羅．．墳‘是去．Ｖ，＃：＾爹．巧１権．邁萬多．；／’－謗，；＼乂皆．義、：．’＂；．．蠢－游．．迦．舊玻＇紀。堵．ｖ．．．爸灣Ｈ麗詩專把議：＃謬｛」＇滬片卸．施題立＇嶺多薦和細Ｉｖ許，：幸．ｙ皆，一｜，這．．‘．蘇－叫人．．．－．．姓讀．＾作者Ｈ，ｔ‘啄’竄Ｖ＿＼＼．．黃學和業(yè)技術與．古：Ｍ人ｖ－＞．．，＾．．菩．／＾教．、ｒｒ授盆感．－ｆ笑菊‘．；讀＊．，．ｖ戶、．一奪－‘＞；．脊．與４究亦韻．議掠＼ＶＭ．－，一：＾－：心錢軒叫。－切皆．．．／．．．．；＜＇：＇＇；滬戶＇巧ｃ；ｔ

3、接熱叛＇＾Ｖ、鮮＾＇把垂女脊ｆｉｆ１乃ｖ讓／Ｖ．，；，．＼：節(jié)ｆＶ每．１驚；盧．４苗／＾，，可．－邊彌ｕ：－．’｜ｅ：．與、，。；戶－、峽．巧－；磅．＇／＇琴一．－＇＇鼓．敎學號：ＤＧ１０３３０２５論文答辯日期：２０１７年１月２１曰指導教師：（簽字）ＲｅｓｅａｒｃｈｏｎＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｏｒｉｔｈｍｓｇｖｉａＩｎｃｏｒｐｏｒａｔｉｎＳｉｄｅＩｎｆｏｒｍａｔｉｏｎｇｂｙＹｏｎｈｏｎＹｕｇｇＤｉｒｅｃｔｅｄｂｙＰｒｏｆ．ＹａｎＧａｏｇＤｅ

4、ａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｐＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙＪａｎ２１７．０ＳｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｕｌｌｍｅｎｔｏｔｈｅｒｅｕｉｒｅｍｅｎｔｓｐｆｆｉｆｑｏｒｔｈｅｄｅｒｅｅｏＰｈＤｉｎＣｏｍｕｔｅｒｉｆｇｆＳｃｅｎｃｅｐ南京大學研究生畢業(yè)論文中文摘要首頁用紙畢業(yè)論文題目：融合多源信息的推薦算法研究計算機應用技術專業(yè)２０１０紋博去生姓名：余永紅指導教リ幣（姓名、馬只稱）：局陽教授摘要隨著互聯(lián)網(wǎng)相關技術的

5、不斷發(fā)展，從海量數(shù)據(jù)中找到有價值的信息變得越來越困難，即用戶面臨嚴重的信息過載問題。推薦算法通過分析用戶的歷史活動數(shù)據(jù)，挖掘用戶的隱藏偏好，成，為用戶提供個性化的推薦服務為解決信息過載問題的有效手段，近年來受到學術界和工業(yè)界的廣泛關注。在實際應用中，，如數(shù)據(jù)稀疏、可擴展性推薦算法面臨各種挑戰(zhàn)、冷啟動、準確性、可解釋性等。針對這些挑戰(zhàn)，國內(nèi)外的研究人員提出了大量的解決方案，。然而僅僅利用用戶的活動記錄信息不能從本質(zhì)解決推薦系統(tǒng)中存在的固有問題，，。近年來多種類型的多源信息越來越豐富如項目屬性信息、社交網(wǎng)絡信息、地理位置信

6、息和用戶評論信息等?？捎玫亩嘣葱畔⑹怯脩魵v史活動記錄的有益補充Ｉ為解決推薦系統(tǒng)中信息缺乏問題帶來契機。同時，如何在推薦，解決推薦系統(tǒng)存在的問題，系統(tǒng)中融合多源信息，提升推薦算法的性能成為推薦系統(tǒng)領域重要的研究問題。在本文中，我們主要針對推薦系統(tǒng)中數(shù)據(jù)?。崳娛?，在現(xiàn)有工作的基礎上，結合協(xié)同過濾、可擴展性、冷啟動和準確性等問題推薦算法，、基于社交網(wǎng)絡推薦算法和興趣點推薦算法等領域的現(xiàn)有成果研究融合多源信息的推薦算法：。本文的主要工作和貢獻如下１．基于項目屬性鍋合的矩陣分解推薦算法一現(xiàn)有些基于矩陣分解的推薦算法僅關注用戶端的冷啟

7、動問題，而忽視項目端的冷啟動問題，。并且缺乏有效的度量方式計算由類別型數(shù)據(jù)所描述的項目之間的相似度。為了解決上問題，本文提出基于屬性稱合的矩陣分解推薦算法，。在矩陣分解模型中集成項目的屬性信息來改進推薦算法的性能，減輕項目端的冷啟動問題，。利用屬性信息構建正則化項約束矩陣分解學習隱特征向量，使得屬性信息相似的項目，它們的隱特征向量盡可能相似。在構建包含屬性信息的正則化項時，利用稱合對象相似度計算項目之間的相似度。實驗結，果表明，基于屬性親合的矩陣分解推薦算法性能優(yōu)于目前主流的推薦算法能有效減捏項目端的冷啟動問題。２

8、．融合用戶社會地位和矩陣分解的推薦算法ｉ隨著社交網(wǎng)絡的出現(xiàn)，越來越多的推薦系統(tǒng)利用社交網(wǎng)絡中用戶之間