收藏本站
《东北大学》 2012年
收藏 | 手机打开
二维码
手机客户端打开本文

信息推荐系统中的协同过滤技术研究

尹航  
【摘要】:随着互联网应用的飞速发展及信息的多元化,互联网中的信息量呈爆炸性的增长,如何从海量的资源中迅速准确地找到需要的信息,并为用户提供主动的个性化的信息服务,已经成为众多专家、学者和网络用户共同关注的核心问题。在这种背景下个性化推荐系统应运而生。 协同过滤(Collaborative Filtering, CF)是目前推荐系统中应用最为广泛和成功的技术,基于协同过滤推荐技术的研究已经成为学术界关注的重点。本文以协同过滤推荐技术为研究对象,对其面临的冷启动问题、推荐质量及扩展性问题、评分数据的高维化及稀疏性等关键问题进行了探讨,提出了相应的解决方法。本文在如下几个方面做了相应的研究。 (1)对推荐系统的发展进行了综述。首先介绍了推荐系统的概念,总结了推荐系统的分类。在此基础上给出了协同过滤推荐系统的基本模型,并对模型的表示、评分数据收集等重要步骤进行了描述。然后,对协同过滤推荐技术进行了分类和概括,对几种典型的协同过滤算法进行研究和总结,指出目前存在的问题。最后,简介了推荐系统的其它相关技术。 (2)提出了一个基于新用户隐式信息及双属性评分矩阵的冷启动协同过滤推荐算法。通过新用户隐式信息的采集完成隐式评分,通过用户—项目属性评分矩阵来进行用户相似性度量,有效缓解了数据稀疏性;生成用户属性—项目属性评分矩阵,由新项目的属性值依次与用户属性一项目属性评分矩阵中的用户属性进行匹配,评分最高的用户属性作为推荐受众的必要参数,从而实现了新项目的冷启动推荐。由分析用户行为获取的新用户的属性值依次与UAIARM中的项目属性进行匹配,实现了新用户的冷启动推荐;并且解决了给新用户推荐新项目的极端情况。此外,简化后的用户属性—项目属性评分矩阵MARM借助用户属性和项目属性间的联系,为新用户/新项目提供更高效的冷启动推荐。实验表明,本文提出的基于双属性分解的推荐算法有效的缓解了评分数据稀疏性,提高了推荐质量;尤其是在新项目和新用户的双重冷启动情况下提供了有效数目的推荐。 (3)提出了一种用聚类算法优化的K近邻协同过滤算法。传统协同过滤算法在计算预测评分时,等同看待K个最近邻、并未考虑它们与其所属类别的关联程度并不相同的情况。考虑到各样本对分类的贡献各不相同的情况,提出区别对待每个样本的思想。算法首先利用基于最大最小距离的多中心聚类算法,处理模糊子集问题,计算出样本与其所属类别的关联度,再利用类别关联度来区别对待待预测样本的K个最近邻。实验证明,使用聚类算法优化后的K近邻算法能够有效提高算法推荐精度。 (4)提出了一种高维稀疏矩阵下的改进协同过滤算法。提出先对高维稀疏矩阵维度约简,然后聚类,最后通过用户一模糊簇类评分矩阵和分类矩阵加权建立K近邻集完成预测评分和推荐。其中,PCA或SVD维度约简方法用于对高维矩阵进行全空间降维预处理,产生低维矩阵。提出一个OPFCM聚类算法,用于解决非凸形状簇及任意形状簇的模糊聚类问题。改进的算法对主要参数进行优选,避免了传统FCM算法对参数设置的依赖性;利用隶属度加权有效降低了孤立点对聚类中心的影响,提高了针对不规则形状的多中心模糊聚类的精度。实验证明,OPFCM算法具有较低的空间、时间复杂度及较高的分类聚类质量,适用于大规模评分数据集的聚类工作。在建立K近邻集时,使用用户—模糊簇类评分矩阵发现用户感兴趣簇类,使用用户对簇类的评分及分类矩阵内评分加权选择K近邻。最后通过K近邻完成协同过滤推荐。实验证明,在大规模的高维稀疏样本集下进行协同过滤推荐的时候,相对于基于K-means聚类算法和基于DBSCAN聚类算法的CF推荐,本文提出的推荐算法在推荐质量上具有明显的优势。 (5)建设了一个基于范例推理的教学资源推荐原型系统。设计了推荐系统的框架模型,并对范例及问题的描述、范例检索、范例复用、范例修正、范例存储等系统实现的关键步骤作了详细的说明。同时对原型系统的模块设计、开发平台、开发工具进行了描述,为今后进一步的研究和应用奠定基础。
【学位授予单位】:东北大学
【学位级别】:博士
【学位授予年份】:2012
【分类号】:TP391.3

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 周水庚,周傲英,曹晶,胡运发;一种基于密度的快速聚类算法[J];计算机研究与发展;2000年11期
2 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期
3 张锋;常会友;;使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J];计算机研究与发展;2006年04期
4 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期
5 李德毅,孟海军,史雪梅;隶属云和隶属云发生器[J];计算机研究与发展;1995年06期
6 郭艳红,邓贵仕;基于事例的推理(CBR)研究综述[J];计算机工程与应用;2004年21期
7 高琳琦,李龙洙;基于顾客行为的产品推荐方法[J];计算机工程与应用;2005年03期
8 江涛;陈小莉;张玉芳;熊忠阳;;基于聚类算法的KNN文本分类算法研究[J];计算机工程与应用;2009年07期
9 辛治运;马兆丰;顾明;;服务于定向信息推荐的模糊聚类协同推荐算法[J];计算机科学;2007年09期
10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[J];计算机学报;2010年08期
中国博士学位论文全文数据库 前5条
1 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年
2 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年
3 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年
4 宗瑜;聚类质量改进方法的研究[D];大连理工大学;2010年
5 张亮;推荐系统中协同过滤算法若干问题的研究[D];北京邮电大学;2009年
【共引文献】
中国期刊全文数据库 前10条
1 孙文新;齐名军;;基于混合策略机制的人工鱼群算法[J];安徽农业科学;2012年12期
2 张振海;王晓明;党建武;张雁鹏;;城市轨道交通应急决策支持系统的研究[J];安全;2012年03期
3 覃遵跃;在左边是单属性的函数依赖集中寻找关系模式候选码的算法[J];安庆师范学院学报(自然科学版);2003年02期
4 张友志;程玉胜;王一宾;;基于Web日志挖掘的Markov预测模型及算法研究[J];安庆师范学院学报(自然科学版);2010年01期
5 夏小威;廖振良;;仿生智能算法在突发环境污染事件应急响应中的应用[J];环境科学与管理;2010年12期
6 赵志强;缑锦;陈维斌;;基于云模型的自学习进化算法[J];北京交通大学学报;2009年06期
7 邵杰;曹延平;时佳佳;;云重心理论在装甲机械化部队射击指挥能力评估中的应用[J];兵工自动化;2009年08期
8 朱富强;王刚;李洪峰;连兆军;;基于云理论的炮兵群(团)指挥信息系统作战能力评估[J];兵工自动化;2010年07期
9 孟强;徐克虎;李科;;基于云理论的坦克目标价值评估[J];兵工自动化;2010年12期
10 何锐,牛建伟,胡建平;一种开放网络环境中的不确定信任模型[J];北京航空航天大学学报;2004年11期
中国博士学位论文全文数据库 前10条
1 姜延吉;多传感器数据融合关键技术研究[D];哈尔滨工程大学;2010年
2 熊晶;海洋生态本体的建模方法研究及应用[D];中国海洋大学;2010年
3 郭瑛;基于事件触发的无线传感器网络关键技术研究[D];中国海洋大学;2010年
4 张宇;个性化移动内容服务的模型和支持技术研究[D];华中科技大学;2010年
5 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年
6 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年
7 费玉莲;面向电子商务的谈判支持系统研究[D];浙江工商大学;2011年
8 戴小鹏;知识网格及其在农业生物灾害预警中关键技术研究[D];湖南农业大学;2010年
9 王文兴;服装网络营销策略研究[D];东华大学;2010年
10 焦鹏;导弹制导仿真系统VV&A理论和方法研究[D];国防科学技术大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 孙多;;基于兴趣度的聚类协同过滤推荐系统的设计[J];安徽大学学报(自然科学版);2007年05期
2 崔林,宋瀚涛,陆玉昌;基于语义相似性的资源协同过滤技术研究[J];北京理工大学学报;2005年05期
3 张玉英;孟海东;;数据挖掘技术中聚类算法的改进研究[J];包头钢铁学院学报;2005年04期
4 李明;Multi-Agent的范例推理[J];重庆师范学院学报(自然科学版);2001年03期
5 王菁;;电子政务个性化服务体系结构研究[J];东方企业文化;2007年03期
6 吴吉义;林志洁;龚祥国;;基于协同过滤的移动电子商务个性化推荐系统若干研究[J];电子技术应用;2007年01期
7 豆增发;王英强;王保保;;一种基于信息增益的K-NN改进算法[J];电子科技;2006年12期
8 宗瑜;李明楚;江贺;;近似骨架导向的归约聚类算法[J];电子与信息学报;2009年12期
9 张向宏;张少彤;王明明;;中国政府网站发展阶段论——政府网站理论基础之二[J];电子政务;2007年03期
10 高琳琦;;电子政务中的个性化信息服务研究[J];电子政务;2007年06期
中国博士学位论文全文数据库 前9条
1 刘勇国;基于数据挖掘的网络入侵检测研究[D];重庆大学;2003年
2 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
3 杨风召;高维数据挖掘中若干关键问题的研究[D];复旦大学;2003年
4 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年
5 刘雪飞;数据挖掘技术在入侵检测中的应用研究[D];南京理工大学;2005年
6 周斌;面向公众服务的电子政务研究[D];同济大学;2007年
7 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
8 陈黎飞;高维数据的聚类方法研究与应用[D];厦门大学;2008年
9 曲福恒;一类模糊聚类算法研究及其应用[D];吉林大学;2009年
【相似文献】
中国期刊全文数据库 前10条
1 张公望;;浅析基于微博内容的商家广告推荐系统[J];计算机光盘软件与应用;2013年01期
2 黎星星,黄小琴,朱庆生;电子商务推荐系统研究[J];计算机工程与科学;2004年05期
3 宁彬;袁磊;;电子商务推荐系统的应用[J];商场现代化;2007年25期
4 刘平峰;聂规划;陈冬林;;电子商务推荐系统研究综述[J];情报杂志;2007年09期
5 龚松杰;;电子商务推荐系统中推荐技术研究[J];商场现代化;2008年08期
6 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期
7 何发镁;王旭仁;;基于检测响应的安全协同推荐系统研究[J];微计算机信息;2010年06期
8 王海洋;;个性化网络学习推荐系统设计[J];科技信息;2010年34期
9 黄燕;;图书馆书目推荐系统的研究与设计[J];江西图书馆学刊;2011年02期
10 林泉;叶迪;;基于顾客需求模式的挖掘:电子商务推荐系统研究的一种新视角[J];福建论坛(人文社会科学版);2013年05期
中国重要会议论文全文数据库 前8条
1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年
2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年
4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年
6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年
8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
中国重要报纸全文数据库 前2条
1 ;大数据如何“落地”[N];中国新闻出版报;2014年
2 本报记者 邹大斌;大数据:电商新武器[N];计算机世界;2012年
中国博士学位论文全文数据库 前10条
1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
2 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年
3 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年
4 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年
5 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年
6 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年
7 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年
8 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年
9 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年
10 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年
中国硕士学位论文全文数据库 前10条
1 吴彬;基于双重聚类推荐系统的设计与实现[D];华东师范大学;2008年
2 叶群来;网络推荐系统的营销研究[D];西南财经大学;2008年
3 寻赟;实时移动路线推荐系统的研究与实现[D];上海交通大学;2012年
4 孙虎;基于工作流程的推荐系统的设计[D];重庆大学;2012年
5 朱简雯;基于混合过滤的推荐系统开发研究[D];电子科技大学;2012年
6 叶红霞;基于多模型的移动电子商务推荐系统设计与实现[D];苏州大学;2013年
7 王春琳;辽阳银行个人商品推荐系统设计与实现[D];吉林大学;2013年
8 李施施;面向电子商务推荐系统的研究与应用[D];湖南大学;2013年
9 潘宇;个性化彩铃推荐系统的设计与实现[D];大连理工大学;2007年
10 黄海波;在线推荐系统的算法研究及其应用[D];电子科技大学;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026