收藏本站
《华中师范大学》 2013年
收藏 | 手机打开
二维码
手机客户端打开本文

协同过滤推荐系统关键问题研究

孔维梁  
【摘要】:随着网络的迅速发展,人类进入了信息社会和网络时代,Internet正为人们提供越来越多的信息和服务。互联网打破了人们传统生活和学习的时空限制,人们可以方便的在互联网上购物,也可以随时随地通过互联网进行学习。但是人们在享受Internet带来的便利的同时,也不得不面对浩如烟海的数据以及大量的垃圾信息,这就带来了著名的“信息过载”和“信息迷航”问题。个性化推荐系统此时应运而生,它能够感知用户的兴趣或需求,而后实现个性化的资源推荐,有效的解决了“信息过载”和“信息迷航”问题。 在个性化推荐系统中,协同过滤算法是目前最成功也是应用最广泛的技术之一,但随着用户数的增加以及系统规模的扩大,协同过滤技术面临诸多挑战。本文以协同过滤技术为主要研究目标,从用户使用的角度出发,选择对用户使用有严重影响的关键问题进行深入的探讨和研究,旨在改善协同过滤算法所面临的稀疏性、用户冷启动以及扩展性等问题。针对上述问题,论文在以下几个方面开展理论研究与实践工作: 1)针对传统基于项目的协同过滤算法在数据稀疏时的较高预测准确度而低推荐精度的问题,本文提出了基于相关度协同过滤算法(Relation-based Collaborative Filtering, RBCF)。首先,指出传统算法产生候选项目集的不合理,引入关联规则思想,根据项目关联关系生成项目关联矩阵,并使用项目关联矩阵生成候选项目集;然后,针对数据稀疏情况下相似度准确性较差的问题,提出了修正的Pearson相关系数,进一步提高了相似度的准确性;最后,实验证明在评分矩阵相当稀疏的情况下,本文提出的算法能够明显提高推荐质量。同时,该算法大大降低了候选项目集的规模,在一定程度上缓解了算法的扩展性问题。 2)详细分析了传统基于项目的协同过滤算法在面对新用户冷启动问题时,待预测项目的近邻数不足等问题,提出了一种基于局部填充的协同过滤算法(Filling-based Collaborative Filtering, FBCF)。算法使用局部最大可能性填充方法扩展新用户的已评分项目集,以便为待预测项目提供较多的近邻。与传统填充算法不同,本文方法不需要额外的用户或项目的属性信息。最后,实验结果证明本文提出的算法能够有效改善新用户冷启动问题。 3)随着用户数的增加以及系统规模的扩大,协同过滤算法还面临着严重的扩展性问题。基于专家的协同过滤算法提供了一种新的解决思路,能够在保证相对较高的预测准确度和推荐精度的同时,较为有效地解决扩展性问题。但是,也带来了新的问题——如何有效地选择专家。为此,本文提出了一种基于聚类选择专家的协同过滤算法(Collaborative Filtering Algorithm Incorporated with Cluster-based Expert Selection, CBES)。该算法首先对专家进行了重定义,将专家映射为简单易测量的度量;然后引入聚类方法将项目空间分成不同领域,从每个领域对应用户中选择出代表组成专家集;最后,实验结果表明在预测准确度和推荐精度上,本文提出的算法取得了较好的效果。 4)在前文所作研究的基础上,本文探讨了面向适应学习服务的协同过滤系统研究与实现,文章设计并实现了基于村镇教育平台的协同过滤推荐系统(Recommendation System for Country Education Platform, CEPRS)。系统综合实现了本文提出的算法,为在线学习用户提供了个性化服务,使得在线教育平台在用户中心化上前进了一大步。文章介绍了系统的体系结构和主要功能模块,并对算法的实现进行了简要说明,另外,该系统具有良好的可移植性、可维护性及开放式架构的特征。
【学位授予单位】:华中师范大学
【学位级别】:博士
【学位授予年份】:2013
【分类号】:TP391.3

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 郑洁;钱育蓉;杨兴耀;黄兰;马婉贞;;基于信任和项目偏好的协调过滤算法[J];计算机应用;2016年10期
2 顾立志;;协同过滤数据稀疏性问题研究[J];计算机光盘软件与应用;2014年08期
3 丁沂;;基于链路预测的推荐方法研究[J];无线互联科技;2017年08期
4 梁永恩;;基于协同过滤算法的电影推荐系统的设计[J];现代计算机(专业版);2018年31期
5 蔡雄峰;艾丽华;丁丁;;一种缓解协同过滤算法数据稀疏性的方法[J];软件;2015年03期
6 蒲鲜霖;;智能推荐系统中协同过滤算法综述[J];中国新通信;2018年23期
7 贾志洋;石宜金;李丁;马瑞英;;基于协同过滤的在线教学视频推荐方法[J];重庆工商大学学报(自然科学版);2012年07期
8 范志强;赵文涛;;改进的基于内容的协同过滤电影推荐算法[J];信息与电脑(理论版);2019年13期
9 刘旭东;;一种缓解数据稀疏性的协同过滤推荐系统[J];烟台职业学院学报;2011年04期
10 邵娜;;基于协同过滤算法的推荐系统设计[J];产业与科技论坛;2019年05期
中国重要会议论文全文数据库 前10条
1 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
2 易芃;杨成;柴智;;基于重排序的新用户TOPN推荐方法研究[A];第十九届中国科协年会——分4信息新技术 东北新工业论坛论文集[C];2017年
3 孙见山;徐东;姜元春;;融合人格信息的单分类协同过滤方法研究[A];第十二届(2017)中国管理学年会论文集[C];2017年
4 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
5 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
6 高梦晨;;推荐系统用户感知调研[A];工业设计研究(第六辑)[C];2018年
7 李成;胡文丽;;推荐系统体验模型探索——以视频推荐为例[A];工业设计研究(第六辑)[C];2018年
8 李成;冯青青;;推荐系统准确度衡量方案——引入权重概念[A];工业设计研究(第五辑)[C];2017年
9 王晓光;施玉海;尹亚光;;面向广电的节目推荐系统研究[A];中国新闻技术工作者联合会2017年学术年会论文集(学术论文篇)[C];2017年
10 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[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
中国重要报纸全文数据库 前10条
1 记者 周源;知意图发布推荐系统Etu Recommender[N];网络世界;2012年
2 小艺;用冷启动思维实现零成本营销[N];黑龙江日报;2018年
3 彭海斌;蔡司的后东德时代:一次冷启动[N];第一财经日报;2017年
4 记者 张新生;巴西推出冷启动混合燃料汽车[N];科技日报;2009年
5 本报记者 郭峰冰;中移动GPRS冷启动[N];中国质量报;2002年
6 主持人:何宗琦;死机之后应该如何启动?[N];电脑报;2001年
7 陕西 姜鹏远 摘译;冷启动条件下的汽车LED驱动器[N];电子报;2012年
8 博瑞祥弘;常见冷启动故障分析[N];中国消费者报;2005年
9 北雪;3月空调市场冷启动[N];中国经营报;2003年
10 花宇 华工 钟士华 余显茂;初春肥市“冷启动”[N];农民日报;2009年
中国博士学位论文全文数据库 前10条
1 孔维梁;协同过滤推荐系统关键问题研究[D];华中师范大学;2013年
2 尹航;信息推荐系统中的协同过滤技术研究[D];东北大学;2012年
3 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
4 冷亚军;协同过滤技术及其在推荐系统中的应用研究[D];合肥工业大学;2013年
5 段锐;融合文本内容与情境信息的协同过滤推荐方法研究[D];合肥工业大学;2017年
6 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年
7 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
8 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
9 刘海峰;电子商务中基于信任关系的商品推荐方法[D];大连理工大学;2015年
10 夏彬;基于位置信息社交网络的推荐系统研究[D];南京理工大学;2018年
中国硕士学位论文全文数据库 前10条
1 云龙;协同过滤推荐系统中关键问题研究与实现[D];黑龙江大学;2011年
2 林康;推荐系统中协同过滤算法关键问题研究[D];扬州大学;2016年
3 任彩霞;推荐系统多样性和冷启动问题的研究[D];北京邮电大学;2017年
4 关博;一种基于协同过滤的服务推荐系统研究[D];哈尔滨工程大学;2016年
5 申辉繁;协同过滤算法中冷启动问题的研究[D];重庆大学;2015年
6 李文强;推荐系统框架模型及协同过滤算法研究[D];山东大学;2016年
7 肖鹏;基于协同过滤的个性化团购推荐系统研究[D];辽宁工程技术大学;2014年
8 代金龙;协同过滤算法中数据稀疏性问题研究[D];重庆大学;2013年
9 马鹏飞;一种个性化新闻推荐系统的设计与实现[D];北京邮电大学;2016年
10 张晓彤;基于分类方法的推荐系统冷启动问题研究[D];兰州大学;2015年
中国知网广告投放
 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