收藏本站
《湘潭大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

协同过滤推荐算法的研究

李春  
【摘要】: 随着电子商务和互联网的迅速发展,信息迷航和冗余给人们在信息了解和商务工作方面带来很多困惑与不便,因此迫切希望出现一种能真正了解其需求的个性化推荐技术。本文研究了个性化推荐系统的相关技术及概念,其中协同过滤技术是本文研究的切入点,鉴于协同过滤存在的问题本文提出了新的解决方法。 基于用户的协同过滤算法是协同过滤算法思想的精髓,也是最早提出的算法,比较易于理解,它在推荐效果方面具有良好的优势,但是这种技术在系统比较庞大的时候,稀疏性和冷开始问题尤为严重,这将严重制约着系统的推荐效果。 基于项目的协同过滤算法是对原有协同过滤思想进行一种换位思考,该算法在一定程度上解决了基于用户协同过滤算法所面临的稀疏性问题,即使在矩阵不是特别稀疏的情况下,其推荐精度也不会滞后于基于用户的协同过滤推荐算法,但该算法没有从根本上解决稀疏性问题。 基于SVD降维的协同过滤算法首先对矩阵进行降维处理,然后直接进行预测,该方法也解决了部分稀疏性问题,在推荐精度上也取得了明显效果,但算法的思想不易于理解。项目的特征制约着用户的兴趣,因此项目或用户之间的相似度与用户对项目本身所具有的特征的喜爱程度有关,若用户对项目本身所具有的特征特别喜爱,最终项目或用户间的相似度几乎没受到什么影响,若用户对项目本身所具有的特征喜爱概率低,可能会使项目或用户间的最终相似度变得更小。 在以上分析的基础上,本文的所做的主要工作及创新主要体现在以下几个方面: 1)在第三章提出了一种基于邻居动态决策的协同过滤推荐算法,首先对用户——项目评分矩阵进行SVD降维处理,根据降维后得到的用户矩阵和项目矩阵采用最近邻思想,计算用户间的相似度以及项目间的相似度,对每个待预测项比较当前用户的邻居数和项目的邻居数,由邻居数大的那方采取相应的协同过滤算法进行预测,这种动态决策的思想比单独使用一种方法的推荐效果好,在实验中给出具体验证。 2)在第四章提出了一种融入贝叶斯理论进行项目预测的协同过滤推荐算法,首先利用贝叶斯理论计算出每种类型的项目被用户喜欢的概率,并将用户对项目类型的喜爱概率融入到相似度的计算中,得到一种新的相似度计算方法,然后采用基于项目预测的方法,即先对用户评分的并集中未评分的项采用基于项目的方法进行预测,然后再根据并集计算相似度并对剩余未评分的项进行预测,由于相似度中融入了对类型的喜爱概率,这样更符合实际人们的心理,同时通过并集计算也减少了稀疏性问题,该方法取得了显著的推荐精度,实验部分给出其实际的效果。 3)本文对预测值提出了一种简单且有效判定方法,每个预测值均带有小数位,而原始的评分都采用等级评分对应整数,传统方法对预测值采用简单四舍五入取整,该方法虽然简单但是取舍缺乏依据,而本文采用用户的评分趋势来对预测值进行取舍,若用户本身偏向评高分,则对预测值均采用向上取整的方法,若用户偏向评低分,则对预测值采用向下取整的方法,取舍前后推荐精度有明显的不同,实验部分也给出了具体验证。 4)通过对各种方法验证了以上思想的可行性,根据实验结果可以看出推荐精度均有不同程度的改善,文中提出的方法均对稀疏性问题进行了处理,至于冷开始问题,文中也提到了具体的解决办法,但本文主要是考虑稀疏性问题。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 苏一丹;王育才;顾新一;;基于独特型人工免疫网络的并行推荐算法的研究[J];计算机应用;2008年05期
2 李聪;梁昌勇;董珂;;基于项目类别相似性的协同过滤推荐算法[J];合肥工业大学学报(自然科学版);2008年03期
3 赵智;时兵;;改进的个性化推荐算法[J];长春大学学报;2005年06期
4 李聪;梁昌勇;;基于属性值偏好矩阵的协同过滤推荐算法[J];情报学报;2008年06期
5 张晓云;李慧;王霞;;基于视觉信息的个性化图像搜索排名技术[J];黑龙江科技信息;2009年31期
6 李聪;梁昌勇;杨善林;;电子商务协同过滤稀疏性研究:一个分类视角[J];管理工程学报;2011年01期
7 李涛;王建东;叶飞跃;冯新宇;张有东;;一种基于用户聚类的协同过滤推荐算法[J];系统工程与电子技术;2007年07期
8 鲁培;;一种改进的基于项目聚类的协同过滤推荐算法[J];科技传播;2011年01期
9 嵇晓声;刘宴兵;罗来明;;协同过滤中基于用户兴趣度的相似性度量方法[J];计算机应用;2010年10期
10 哈进兵;郑锐;甘利人;;一种基于加权关联规则的协同推荐算法[J];情报学报;2010年04期
11 武建伟;俞晓红;陈文清;;基于密度的动态协同过滤图书推荐算法[J];计算机应用研究;2010年08期
12 王恒;;基于协同过滤的电子农务推荐系统模型研究[J];宁夏大学学报(自然科学版);2009年04期
13 金亚亚;牟援朝;;基于改进信任度的协同过滤推荐算法[J];现代图书情报技术;2010年10期
14 游文;叶水生;;电子商务推荐系统中的协同过滤推荐[J];计算机技术与发展;2006年09期
15 王纪辉;赵卓宁;;基于协同过滤算法的电子商务网站个性化推荐系统设计[J];成都信息工程学院学报;2007年S1期
16 郭艳红;邓贵仕;雒春雨;;基于信任因子的协同过滤推荐算法[J];计算机工程;2008年20期
17 陆洲;程京;张璇;;基于用户兴趣模型聚类的协同过滤推荐算法[J];微计算机信息;2010年33期
18 王惠敏;聂规划;;基于模糊聚类和资源平滑的协同过滤推荐[J];情报杂志;2007年07期
19 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
20 郭黎明;何艳娟;;电子商务中的协同过滤推荐系统[J];商场现代化;2009年17期
中国重要会议论文全文数据库 前10条
1 陶红亮;王明文;曹瑛;;基于项目平滑和聚类的协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
2 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
3 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
4 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[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年
5 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
6 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
7 汤显;郭景峰;高英飞;;基于类别相似性的增量协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
9 孙铁利;杨焱;邱春艳;;基于内容预测的协同过滤推荐[A];2005年全国理论计算机科学学术年会论文集[C];2005年
10 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
中国重要报纸全文数据库 前10条
1 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
2 刘溟;互联网 个性化营销最佳载体[N];经济日报;2004年
3 ;移动经营者的商务机会(未完待续)[N];网络世界;2001年
4 聂磊 曹进 罗国安;中药指纹图谱相似度评价方法各有千秋[N];中国医药报;2006年
5 证券时报记者  韩如冰;基金投资相似度趋高[N];证券时报;2006年
6 南方;房地产将走向互联网营销[N];中国信息报;2002年
7 聂磊;曹进;罗国安;中药指纹图谱相似度评价方法作用各一[N];中国医药报;2005年
8 海潮;俄研究发现妊娠中毒症疑与夫妇HLA基因相似度有关[N];中国医药报;2007年
9 栾海;妊娠中毒症可能与夫妇 HLA基因相似度有关[N];医药经济报;2007年
10 沈阳药科大学药学院 孙国祥;中药指纹图谱研究新进展[N];中国中医药报;2007年
中国博士学位论文全文数据库 前10条
1 沈磊;心理学模型与协同过滤集成的算法研究[D];北京航空航天大学;2010年
2 高旻;基于计算语用学和项目的资源协同过滤推荐研究[D];重庆大学;2010年
3 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年
4 肖敏;基于领域本体的电子商务推荐技术研究[D];武汉理工大学;2009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
6 高滢;多关系聚类分析方法研究[D];吉林大学;2008年
7 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
8 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
9 刘凯鹏;社会性标注关键技术及其在信息检索中的应用研究[D];哈尔滨工业大学;2010年
10 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
中国硕士学位论文全文数据库 前10条
1 刘亭;隐私保持协同过滤推荐算法研究[D];燕山大学;2010年
2 王小亮;基于协同过滤的个性化推荐算法的优化和应用[D];浙江工商大学;2010年
3 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
4 袁先虎;基于混合用户模型的协同过滤推荐算法研究[D];重庆大学;2010年
5 康雨洁;基于协同过滤的个性化社区推荐方法研究[D];中国科学技术大学;2011年
6 胡福华;基于可信相似度传递的协同过滤算法研究与应用[D];浙江大学;2011年
7 金亚亚;一种基于改进信任度的协同过滤算法[D];华东理工大学;2011年
8 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
9 白龙;融合数据检测与用户信任的协同过滤算法研究[D];燕山大学;2010年
10 张学胜;面向数据稀疏的协同过滤推荐算法研究[D];中国科学技术大学;2011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
  • 010-62982499
  • 010-62783978