收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

双聚类算法及其在协同过滤中的应用研究

庞军  
【摘要】: 随着推荐系统的不断发展和基因表达数据研究的不断深入,如何发现行与行、列与列之间的关系变得越来越重要。双聚类算法正是针对这一问题不断深入探讨而提出的一类新的数据挖掘算法,并在21世纪初成为数据挖掘算法研究领域的一大热点。本文针对基于均方残差双聚类算法中存在运算速度慢和结果不准确的问题,结合模糊理论提出一种求解单一簇的模糊双聚类算法。同时,把双聚类思想引入推荐系统中,针对推荐系统的稀疏性和准确预测问题,提出基于简化均方残差、求解单一簇的模糊双聚类和预测块的三种不同协同过滤算法。主要工作如下: 1.考虑基于均方残差的双聚类算法,大多求解采用贪婪策略,通常不能得到大小适中且结果准确的簇。而在联合聚类中,模糊理论能改善这种基于均方残差的算法,得到大小适中且结果准确的簇。为了提高基于均方残差双聚类算法的性能,提出定义双聚类簇内的模糊变量,即显著性指标,并建立基于显著性指标的模糊双聚类模型,同时给出算法及其收敛性分析。 2.考虑均方残差的优点,及其在稀疏数据中存在的问题,提出两种新的基于聚类的协同过滤算法:简化均方残差的协同过滤算法SMSR_CF和基于简化均方残差的联合聚类协同过滤算法SMSR_CoCF。简化均方残差的协同过滤算法不但保持计算的高效性,而且提高了打分预测的准确度;基于简化均方残差的联合聚类协同过滤算法可以给出稀疏矩阵中的联合簇信息,改进了简化均方残差的协同过滤算法的数据动态性问题。 3.针对基于记忆的协同过滤算法存在运算时间长的缺点,提出预测块的概念,并给出两种新的基于记忆的协同过滤算法:基于预测块的协同过滤算法Block-based CF和基于预测块的模糊协同过滤算法Block-based Fuzzy CF。基于预测块的协同过滤算法通过考虑预测块之间的权重信息来提高预测准确度,并减少运算时间;基于预测块的模糊协同过滤算法是在基于块的协同过滤算法的基础上引入预测块准确度指标,进一步提高了预测准确度。 4.针对现有的协同过滤算法只能获得预测打分,而不能指出在哪些用户和商品上可能获得高准确度的预测打分问题。本文把第三章的双聚类算法应用于推荐问题,结合模糊理论提出一种可以获得高准确预测打分的用户和商品子集合的协同过滤算法CoreCF。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 曹波;苏一丹;;基于蚁群聚类的top-N推荐系统[J];微计算机信息;2009年09期
2 余力,刘鲁,李雪峰;用户多兴趣下的个性化推荐算法研究[J];计算机集成制造系统-CIMS;2004年12期
3 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
4 王志军;岳训;付冬菊;苗良;;基于Web投票机制的免疫协同过滤推荐技术研究[J];农业网络信息;2010年01期
5 景丽;陈广宇;;电子商务推荐系统中推荐方法研究[J];光盘技术;2006年03期
6 郁雪;李敏强;;一种结合有效降维和K-means聚类的协同过滤推荐模型[J];计算机应用研究;2009年10期
7 周向东,施伯乐,张琪,张亮,刘莉;基于长期学习的多媒体数据库相似性检索[J];软件学报;2004年01期
8 郭炜;高琳琦;;电子旅游中间商的个性化信息服务模式研究[J];情报科学;2006年05期
9 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
10 胡慧蓉;;电子商务个性化推荐系统分析与设计[J];科技创新导报;2009年08期
11 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
12 李聪;梁昌勇;;适应用户兴趣变化的协同过滤增量更新机制[J];情报学报;2010年01期
13 郭伟光;章蕾;;基于用户模式聚类的协同过滤个性化推荐方法[J];情报杂志;2011年02期
14 赵宏霞;王新海;杨皎平;;基于用户和项目因子分析的混合协同推荐算法[J];计算机应用;2011年05期
15 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
16 张校慧;魏增辉;;基于Web日志和聚类的协同过滤推荐算法[J];计算机时代;2011年01期
17 潘红艳;林鸿飞;赵晶;;基于矩阵划分和兴趣方差的协同过滤算法[J];情报学报;2006年01期
18 李大学;谢名亮;赵学斌;;结合项目类别信息的协同过滤推荐算法[J];重庆邮电大学学报(自然科学版);2010年06期
19 孙小华;陈洪;孔繁胜;;在协同过滤中结合奇异值分解与最近邻方法[J];计算机应用研究;2006年09期
20 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
中国重要会议论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
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 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
9 魏昕路;洪志令;姜青山;;一种基于样本缩减策略的新窗口式聚类算法[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
10 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
中国博士学位论文全文数据库 前10条
1 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
2 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年
3 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
4 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
5 孙慧峰;基于协同过滤的个性化Web推荐[D];北京邮电大学;2012年
6 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
7 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
8 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 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
2 邵伟;基于领域知识的协同过滤推荐研究[D];河北大学;2010年
3 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
4 张晓蕾;协同过滤推荐模型及其在汽车电子商务中的应用研究[D];天津师范大学;2010年
5 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
6 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
7 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
8 曾小波;基于协同过滤的推荐系统的研究[D];电子科技大学;2010年
9 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
10 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
中国重要报纸全文数据库 前9条
1 刘溟;互联网 个性化营销最佳载体[N];经济日报;2004年
2 ;移动经营者的商务机会(未完待续)[N];网络世界;2001年
3 ;视频数据中挖“宝”[N];计算机世界;2002年
4 南方;房地产将走向互联网营销[N];中国信息报;2002年
5 本报记者 赵凤华 通讯员 戴世勇 陶春明;本科生登上全国学术会议讲坛[N];科技日报;2008年
6 本报记者 于翔;多元管理防范金融风险[N];网络世界;2010年
7 赵骏飞;数据挖掘在金融行业的应用[N];中国保险报;2011年
8 乔颖;程序解人意,帮你寻找“顺口”的美食[N];新华每日电讯;2011年
9 商报记者 金朝力;奇艺推3套推荐引擎抢夺视频新制高点[N];北京商报;2011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
  • 010-62982499
  • 010-62783978