收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

推荐系统的协同过滤算法与应用研究

郭艳红  
【摘要】: 随着网络技术的应用和普及、电子商务的迅猛发展,越来越多的信息充斥在网络之上。如何在众多的资源中找到适合自己需求的信息,成为众多学者、专家和网络用户关心的核心问题之一。推荐系统在这样的背景下应运而生。 协同过滤技术是推荐系统(Recommender System)最为核心的技术之一,也是目前应用最为广泛和成功的技术。本文以推荐系统的协同过滤算法为研究目标,旨在解决协同过滤算法在应用中所遇到的稀疏性问题、冷启动问题、用户的信任问题等关键问题。针对推荐系统的协同过滤算法,本文在以下几个方面作了相应的理论研究和应用工作: 1、对目前推荐系统的总体发展进行了综述,从心理学和认知科学的角度探讨了个性概念的界定,试图从信息科学以外的角度探讨推荐系统构建是否可行及其意义;总结归类了现有的推荐技术,指出其各自的特点、适用范围;在此基础上对推荐系统实现的体系结构和模块进行了概括,为进一步的应用工作提供理论指导;最后对协同过滤算法目前的研究进展进行总结、分类,指出存在的问题,为下一步的研究奠定理论基础。 2、提出了稀疏矩阵下的一种基于最近邻居评价的改进的协同过滤算法。首先通过余弦相似度计算公式,为目标用户选取最近邻居集,然后根据每个最近邻居对项目的评价与用户间的相似度,产生一个对项目的预测值,所有最近邻用户对项目的加权预测值就构成了一个虚拟的最近邻评价矩阵。由于这个矩阵体现了与目标评价在空间上的相似性,从而将目标评价的预测问题转化到一个最近邻评价矩阵上进行预测计算。和历史评价矩阵相比,虚拟最近邻评价矩阵不但规模比较小,而且包含了用户维上和项目维上对目标评价最有价值的信息。最后再根据虚拟的最近邻居评价矩阵,进行加权均值预测。实验表明,本文提出的针对稀疏矩阵的改进算法,在精度上优于传统算法,尤其在最近邻居个数较少的情况下,精度有较大提高。 3、提出基于项目关键词预测与协同过滤相结合的混合推荐算法。分析了在系统中项目的内容信息不够丰富的情况下,如何应用基于项目关键词预测与协同过滤技术相结合的问题。首先把项目的关键词进行二进制代码表示,以达到对项目内容进行形式化描述的目的,然后通过winnow算法,对用户的评价进行初步预测,得到用户的预测矩阵;为了确保用户评价矩阵在空间上同目标评价的相似性,构造了两个约束参数——用户评价密度α_i和预测精度β_i,通过参数的设定和遴选,在满足约束条件的评价数据集上应用协同过滤算法。实验表明,加入约束条件的混合推荐算法远优于传统的协同过滤算法以及没有任何约束条件的混合推荐算法。 4、提出了把信任引入协同过滤推荐系统的构想,构建了一种基于信任的协同过滤推荐算法,在对信任进行了形式化的定义和描述的基础上,构造了协同过滤推荐系统中的两种信任模型——局部信任(local trust)和全局信任(global trust),并分别指出两种信任的区别,确定了各自的影响因素,通过这两种可计算的信任模型可以对系统中的用户的信任程度进行不同范围内的度量;进而,提出了一种基于信任因子的协同过滤推荐算法,并通过实验验证了算法的有效性和优越性。最后的实验同样分析了两种信任的分布特性,通过与相似度的分布的对比,可以得出结论:在推荐系统中对用户信任的研究是有意义的,信任是同相似度不同的对最后的推荐产生影响的重要因素之一。 5、构建了基于事例推理(CBR)的推荐系统框架模型。对基于事例的推理和协同过滤的推荐过程进行了比较,指出异同,进而把基于事例的推理的过程与推荐系统相结合,应用基于事例的推理过程更好地更新用户的档案,跟踪用户的兴趣变化,提高系统的学习能力。在框架模型中,本文对推荐系统的各部分作了充分的总结和说明,为今后的进一步理论和实践研究奠定基础,同时实现了一个以电影推荐为例的电影推荐系统。 通过上述的研究工作,从一定程度上解决了推荐系统的协同过滤算法所遇到的稀疏性问题、冷启动问题、信任问题,从而从一定程度上推动协同过滤算法的理论研究和应用研究的进展。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 高滢;齐红;刘亚波;刘大有;;基于用户等级的协同过滤推荐算法[J];吉林大学学报(理学版);2008年03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 龚松杰;;基于用户模糊聚类的两阶段协同过滤推荐[J];计算机工程与科学;2009年05期
4 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
5 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
6 王卫平;吴伦;;协同过滤在CRM交叉销售中的应用研究[J];管理学报;2007年04期
7 李世扬;储泽楠;;基于Agent与个人知识本体的搜索系统研究[J];科技信息;2009年31期
8 卢竹兵;唐雁;;一种基于信任网络的协同过滤推荐策略[J];西南师范大学学报(自然科学版);2008年02期
9 胡慧蓉;;电子商务推荐系统中推荐技术研究[J];科技信息;2009年04期
10 王建玺;王刘涛;;基于协同过滤的Multi-agent反垃圾邮件系统的研究[J];科技风;2009年16期
11 汪婧;潘郁;;基于模糊聚类的WRFM导购方法研究[J];计算机仿真;2007年06期
12 王景波;郑丽英;;混合推荐技术在Web挖掘中的研究[J];科技信息;2010年33期
13 吴昊;宋伟国;程亚娟;;基于CF面向对象的电子商务推荐系统[J];甘肃科学学报;2011年01期
14 陈肃;罗铁坚;许延祥;;基于信任的推荐算法的鲁棒性分析(英文)[J];中国科学院研究生院学报;2011年02期
15 余力;左美云;;协同管理模式理论框架研究[J];中国人民大学学报;2006年03期
16 罗泽碧;谢庆生;;基于web数据挖掘的协同过滤推荐算法[J];贵州大学学报(自然科学版);2009年01期
17 张亮;李敏强;;面向协同过滤的真实偏好高斯混合模型[J];系统工程学报;2007年06期
18 薛伟莲;王蕴慧;;一种基于对话的电子商务推荐系统[J];辽宁师范大学学报(自然科学版);2011年02期
19 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
20 尹柱平;;高校数字图书馆用户推荐系统研究[J];科协论坛(下半月);2011年06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 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
3 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
4 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
5 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
6 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
7 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
8 李雪;左万利;赫枫龄;王英;;传统Item-Based协同过滤推荐算法改进[A];第26届中国数据库学术会议论文集(B辑)[C];2009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 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[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
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 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
4 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
5 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
6 刘青文;基于协同过滤的推荐算法研究[D];中国科学技术大学;2013年
7 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
8 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
9 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
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 邵伟;基于领域知识的协同过滤推荐研究[D];河北大学;2010年
2 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
3 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
4 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
5 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
6 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
7 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
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6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 南方;房地产将走向互联网营销[N];中国信息报;2002年
4 赵骏飞;数据挖掘在金融行业的应用[N];中国保险报;2011年
5 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
6 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