收藏本站
《湖南大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

协同过滤推荐算法在P2P信贷系统中的应用研究

王玉霞  
【摘要】:P2P(Peer to Peer)信贷是互联网金融中最为典型,发展最为广泛的一种模式,其通过互联网将贷款人和借款人直接联接,借助专业系统平台来帮助交易双方确立借贷关系并完成交易手续。由于我国目前在互联网金融的立法,监管以及网络安全等方面还存在着许多不足,使得P2P信贷平台还面临着许多困境,其中最大的问题就是如何赢得广大用户的信任。在大多数的情况下,用户并不知道自己的需求是什么,P2P平台需要基于合适推荐算法来为用户推荐适合他们的信贷产品。推荐算法的好坏会直接影响到推荐结果质量的高低,最终影响到用户对平台的信任度。本文首先总结了推荐算法在P2P信贷平台的使用过程中存在的主要问题:一是推荐算法的准确性问题。导致推荐算法准确性的主要原因很大程度是由于用户和产品相关数据的缺失,数据矩阵的极度稀疏直接影响了推荐算法推荐结果的准确性。二是推荐算法的冷启动问题。在协同过滤推荐算法中,用户,项目对的评分情况往往直接与推荐算法的结果相关联,如果一个项目很少有用户对其进行评价,那么这个项目就没有机会被推荐给用户。也就是说,如果在限定的时间内很少有用户去评价P2P信贷系统中的项目,则信贷系统很可能找不到用户的相关兴趣点,这样就会导致没有合适的项目推荐给用户,从而造成真正合适的项目无人知晓。基于以上分析,本文基于自组织映射提出了一种改进的k-means算法来优化协同过滤推荐算法中的准确性问题。由于SOM自组织映射算法对奇异点不敏感,本算法利用SOM算法对所有的初始数据进行预处理,形成一定数量的初始簇和簇中心点。然后基于改进的k-means算法进行聚类,最终形成推荐结果。其次提出了 DecRec算法来缓解传统的协同过滤推荐算法中存在的冷启动问题。其基本思想是利用辅助信息把冷启动问题分解成两个部分:首先从原有评级矩阵中剔除出那些冷启动的用户和项目,形成一个新的评级子矩阵;然后使用辅助信息完成从已存在用户和项目的评级矩阵到冷启动项目或者用户评级矩阵的转换。最后,本文对文中所提出的kmeans协同过滤算法以及DecRec算法进行了实验。实验结果表明,本文所提出的算法能提高协同过滤推荐算法的准确性,并能在一定程度上缓解原有算法中存在的冷启动问题。
【学位授予单位】:湖南大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:F724.6;F832.4;TP391.3

【参考文献】
中国期刊全文数据库 前10条
1 黄莹;宋伟伟;邓春玲;江晓苏;;协同过滤算法在电影推荐系统中的应用[J];软件导刊;2015年08期
2 何文茜;王颜波;;基于大数据平台的互联网小微企业贷款——以阿里小贷为例[J];现代经济信息;2014年13期
3 施俊;;大数据时代下的P2P[J];新财经;2013年10期
4 沈键;杨煜普;;基于二阶段相似度学习的协同过滤推荐算法[J];计算机应用研究;2013年03期
5 李改;李磊;;一种解决协同过滤系统冷启动问题的新算法[J];山东大学学报(工学版);2012年02期
6 杨阳;向阳;熊磊;;基于矩阵分解与用户近邻模型的协同过滤推荐算法[J];计算机应用;2012年02期
7 徐风苓;孟祥武;王立才;;基于移动用户上下文相似度的协同过滤推荐算法[J];电子与信息学报;2011年11期
8 庄永龙;;基于项目特征模型的协同过滤推荐算法[J];计算机应用与软件;2009年05期
9 吴发青;贺樑;夏薇薇;任磊;;一种基于用户兴趣局部相似性的推荐算法[J];计算机应用;2008年08期
10 张光卫;李德毅;李鹏;康建初;陈桂生;;基于云模型的协同过滤推荐算法[J];软件学报;2007年10期
中国博士学位论文全文数据库 前2条
1 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年
2 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
中国硕士学位论文全文数据库 前5条
1 马兆才;基于协同过滤的推荐系统算法研究与实现[D];兰州大学;2015年
2 肖畅;基于融合模型的互联网保险推荐系统研究[D];华南理工大学;2015年
3 庞军;双聚类算法及其在协同过滤中的应用研究[D];大连理工大学;2010年
4 葛润霞;基于内容聚类的协同过滤推荐系统研究[D];山东师范大学;2008年
5 杨芳;电子商务系统协同过滤推荐算法研究[D];河北工业大学;2006年
【共引文献】
中国期刊全文数据库 前10条
1 廖开际;欧阳解文;席运江;;基于位置信息的协同过滤推荐算法[J];系统工程;2015年12期
2 吴江;孙剑伟;;一种基于云模型的数据预测算法[J];软件;2015年12期
3 张明;郭娣;;一种优化标签的矩阵分解推荐算法[J];计算机工程与应用;2015年23期
4 邓晓军;满君丰;文志强;王昱;;一种提高预测结果多样性的资源分配算法[J];控制工程;2015年06期
5 杨锡慧;林鹏;周国强;;基于灰色关联度聚类的协同过滤推荐算法[J];软件导刊;2015年10期
6 廖列法;黎晨;孟祥茂;;基于欧氏空间相似度的云模型协同过滤算法[J];计算机工程与科学;2015年10期
7 杨书新;彭秋英;王希;;基于贝叶斯方法与聚类的上下文感知推荐[J];小型微型计算机系统;2015年10期
8 郑凤飞;黄文培;贾明正;;基于Spark的矩阵分解推荐算法[J];计算机应用;2015年10期
9 龚艳冰;蒋亚东;梁雪春;;基于模糊贴近度的正态云模型相似度度量[J];系统工程;2015年09期
10 张宁;范崇睿;张岩;;一种基于RFM模型的新型协同过滤个性化推荐算法[J];电信科学;2015年09期
中国博士学位论文全文数据库 前10条
1 卢慕超;基于深度置信网络的商业银行信用风险预测实证研究[D];太原理工大学;2017年
2 林楠;基于遥感地质与地球化学信息的成矿预测模型研究[D];吉林大学;2015年
3 郑建兴;社会化用户模型研究及其在推荐系统中的应用[D];上海大学;2015年
4 冯方向;基于深度学习的跨模态检索研究[D];北京邮电大学;2015年
5 陈端端;媒介演化与艺术传播[D];东南大学;2015年
6 张金松;基于引文上下文分析的文献检索技术研究[D];大连海事大学;2013年
7 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年
8 徐峥;大规模网络资源环境下关联语义链网络模型及其应用研究[D];上海大学;2012年
9 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
10 杨君;基于情景感知的多维信息推荐研究[D];武汉大学;2011年
中国硕士学位论文全文数据库 前10条
1 字云飞;个性化推荐在出版业中的研究与应用[D];北京印刷学院;2019年
2 王建洋;基于深度学习的电影推荐系统研究与实现[D];西南交通大学;2018年
3 梁议丹;基于组合模型的酒店线上销量预测的研究[D];西安电子科技大学;2018年
4 王楠;基于移动APP的电厂在线培训系统的设计与实现[D];华北电力大学;2018年
5 彭鹏;结合用户信任和兴趣的协同过滤推荐算法研究[D];南京航空航天大学;2018年
6 倪满满;基于Spark的分布式推荐系统的设计与实现[D];武汉邮电科学研究院;2018年
7 王强;基于协同过滤的个性化推荐算法研究及系统实现[D];西南交通大学;2017年
8 潘强强;面向推荐系统的数据稀疏问题研究[D];吉林大学;2017年
9 徐晓蕊;基于一致性的不完备数据模糊聚类方法研究[D];大连理工大学;2017年
10 路金泉;面向社交网络信息管控的信息可信度评估方法研究[D];解放军信息工程大学;2017年
【二级参考文献】
中国期刊全文数据库 前10条
1 王洋;骆力明;;一种解决协同过滤数据稀疏性问题的方法[J];首都师范大学学报(自然科学版);2012年04期
2 王国霞;刘贺平;;个性化推荐系统综述[J];计算机工程与应用;2012年07期
3 熊忠阳;刘芹;张玉芳;李文田;;基于项目分类的协同过滤改进算法[J];计算机应用研究;2012年02期
4 钱程;阳小兰;;一种电影个性化推荐系统的研究与实现[J];计算机与数字工程;2011年08期
5 查大元;;个性化推荐系统的研究和实现[J];计算机应用与软件;2011年01期
6 李艳娜;乔秀全;李晓峰;;基于证据理论的上下文本体建模以及不确定性推理方法[J];电子与信息学报;2010年08期
7 冯克鹏;;基于协同过滤的数字图书馆推荐系统研究[J];软件导刊;2010年05期
8 查文琴;梁昌勇;曹镭;;基于用户聚类的协同过滤推荐方法[J];计算机技术与发展;2009年06期
9 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
10 蒋紫艳;;基于B/S构架的零售业个性化推荐系统分析[J];现代商业;2008年36期
中国硕士学位论文全文数据库 前5条
1 宋瑞平;混合推荐算法的研究[D];兰州大学;2014年
2 马骏康;基于改进协同过滤与二部图网络的加权混合推荐技术研究[D];华东师范大学;2014年
3 张月蓉;基于混合推荐的电影推荐系统的研究与实现[D];安徽大学;2013年
4 曹毅;基于内容和协同过滤的混合模式推荐技术研究[D];中南大学;2007年
5 陈华月;基于加权关联规则和浏览行为的个性化推荐[D];重庆大学;2005年
【相似文献】
中国期刊全文数据库 前10条
1 张世东;;推荐算法概述[J];科技传播;2019年04期
2 俞伟;徐德华;;推荐算法概述与展望[J];科技与创新;2019年04期
3 陈军;谢卫红;陈扬森;;国内外大数据推荐算法领域前沿动态研究[J];中国科技论坛;2018年01期
4 向洋乐;;大数据背景下互联网购物推荐算法应用研究[J];中国战略新兴产业;2018年04期
5 喻国明;刘钰菡;王畅颖;王丹敏;;推荐算法:信息推送的王者品性与进阶重点[J];山东社会科学;2018年03期
6 刘顺程;岳思颖;钟瑞敏;;基于拉普拉斯噪声的轻型推荐算法[J];中国战略新兴产业;2018年20期
7 刘涛;刘佐;;一种面向新文章的个性化推荐算法研究[J];控制工程;2018年06期
8 汪海鹏;郑扬飞;;基于特征值的律师推荐算法及改进方案[J];计算机与现代化;2018年10期
9 李圣秋;吴伟明;谷勇浩;;一种结合评分时间特性的协同过滤推荐算法[J];软件;2016年11期
10 谢桂林;詹志强;李凯;;基于聚类的因子分解机推荐算法研究[J];软件;2016年10期
中国重要会议论文全文数据库 前10条
1 米传民;彭鹏;单晓菲;马静;;考虑显式评分的基于二部图的推荐算法[A];第十七届中国管理科学学术年会论文集[C];2015年
2 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
3 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年
4 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年
5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文(摘要)汇集[C];2009年
6 梁莘燊;刘莹;;基于效能的学术资源推荐算法研究[A];第六届(2011)中国管理学年会——信息管理分会场论文集[C];2011年
7 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
8 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年
9 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
10 高琪;辛乐;;基于用户偏好度模型和情感计算的产品推荐算法[A];第二十九届中国控制会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 建行上海市分行 王慧;试析商业银行“协同过滤推荐算法”[N];上海金融报;2017年
2 记者 王李科;四川首个人工智能政策引擎在双流区正式上线[N];成都日报;2017年
3 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
4 中国青年报·中青在线记者 杜园春 实习生 高卿雯;大数据为新生寻找志同道合舍友[N];中国青年报;2018年
5 林芮;当心“过滤泡泡”主宰了你[N];人民日报;2016年
6 本报记者 程墨 特约通讯员 杨保华;武汉理工“冒”出数十个百万身家大学生[N];中国教育报;2015年
7 张昊;Goodreads,与敌人睡觉[N];经济观察报;2013年
8 约瑟夫·A·孔斯坦 约翰·李德 美国明尼苏达大学的计算机科学教授;购物网站“猜你喜欢”背后的商业法则[N];消费日报;2015年
9 吕晓勋;你在读书,谁在读你?[N];人民日报;2016年
10 本报记者 杨晓音;Netflix:一场数据逆袭战[N];中国经营报;2013年
中国博士学位论文全文数据库 前10条
1 李文俊;时间感知的推荐算法研究[D];电子科技大学;2017年
2 伊华伟;基于可疑用户度量的鲁棒推荐方法研究[D];燕山大学;2016年
3 冯浩源;动态用户兴趣模型构建及推荐算法研究[D];天津大学;2017年
4 陈玲姣;基于社交网络个体行为特征的信息推荐算法研究[D];电子科技大学;2018年
5 杨雷;基于机器学习的个性化推荐算法研究[D];哈尔滨工程大学;2017年
6 李慧;社会网络环境下的个性化推荐算法研究[D];中国矿业大学;2016年
7 许鹏远;多因素综合框架的协同过滤推荐算法[D];大连理工大学;2017年
8 郭磊;社会网络中基于社会关系的推荐算法研究[D];山东大学;2015年
9 王智谨;基于用户分解和社交融合的推荐算法研究[D];华东师范大学;2016年
10 邓小方;耦合社交网络环境下基于扩散过程的推荐算法研究[D];江西财经大学;2017年
中国硕士学位论文全文数据库 前10条
1 夏兵兵;标签协同过滤推荐算法的研究和若干改进策略[D];江苏科技大学;2018年
2 王志凯;基于主题模型的微博信息推荐算法研究[D];江苏科技大学;2018年
3 王玉霞;协同过滤推荐算法在P2P信贷系统中的应用研究[D];湖南大学;2016年
4 刘芷茵;自适应个性化图书推荐算法的研究[D];湖南大学;2016年
5 丁青;基于动态信任模型的协同过滤推荐算法研究[D];湖南大学;2016年
6 李叶青;在线医疗环境下多样性增强的医生推荐方法[D];合肥工业大学;2018年
7 李颂鹏;基于多元统计的个性化推荐算法[D];广西师范大学;2018年
8 赵梦;协同过滤算法及在智能音箱中的应用[D];上海应用技术大学;2018年
9 李剑锋;基于局部近邻Slope One与动态专家的协同过滤推荐算法研究[D];湖南大学;2016年
10 尚燕飞;基于用户相似度和主题相似度的移动APP信息推荐算法研究[D];哈尔滨理工大学;2018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