收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于协同过滤与划分聚类的推荐算法研究

张亮  
【摘要】:随着互联网技术和通信技术的蓬勃发展,人们已经从信息匮乏的时代迈入到信息过载的时代,目前解决信息过载的方法主要有信息检索和信息过滤,以搜索引擎为代表的信息检索技术已经日渐成熟,个性化推荐是信息过滤领域最典型的应用,作为搜索引擎的补充已被广泛应用到电子商务、社交网络、基于位置的服务和个性化广告等领域。常见的个性化推荐技术有协同过滤、基于内容的推荐和基于图的推荐等等,协同过滤是其中最古老也是应用最成功的算法,它假设过去相似的用户将来会有相似的行为,通过对用户群体的历史行为分析计算找出相似用户,然后给目标用户推荐他近邻喜欢但他未购买的商品,但是当面对海量信息时,协同过滤算法也面临着数据稀疏、冷启动、推荐精度和扩展性等问题。 传统的基于用户的协同过滤和基于项目的协同过滤在计算推荐结果时,都局限在分析用户-项目评分信息,基本没有考虑用户和项目的内容属性,尽可能多的挖掘有价值的推荐信息,对于提高推荐精度至关重要。本文充分利用项目的属性特点,就提高协同过滤近邻查找准确率和近邻查找效率做了如下研究: 首先,通过具体实例分析了传统的协同过滤算法近邻查找方法的缺陷,数据高维稀疏造成用户间相似度计算和近邻查找不准确,然后提出了基于相似评分行为的近邻查找优化算法。 其次,将划分聚类的思想应用到协同推荐中,聚类的过程是将相似度高的对象聚到同一个簇中,通过聚类将目标用户近邻查找空间缩小至与其最相似的一个或几个聚类簇,提出了基于用户-评分矩阵聚类的协同过滤算法;考虑项目的属性特点,应用词频-逆文档频率TF-IDF评估思想,将高维稀疏的用户-评分矩阵转化成相对低维密集的用户-兴趣矩阵,提出了基于用户-兴趣矩阵聚类的协同过滤算法;融合用户-评分和用户-兴趣,提出了基于用户-评分融合用户-兴趣聚类的协同过滤算法,并分别研究了它们的推荐实时性和推荐精度。 最后,在数据集MovieLens上设计实验,以传统的基于用户的协同过滤算法作为对照实验,验证了基于相似评分行为的近邻查找算法能够提高近邻的查找准确率从而提高推荐的精度;基于划分聚类的协同过滤算法能够提高近邻的查找效率,融合了项目属性信息聚类的协同过滤算法比传统的协同过滤算法推荐精度要高。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 佘碧蓉;;利用ASP.NET 2.0实现动态的商品推荐[J];电脑与电信;2008年05期
14 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
15 顾晔;吕红兵;;改进的增量奇异值分解协同过滤算法[J];计算机工程与应用;2011年11期
16 李超然,徐雁斐,张亮;协同推荐pLSA模型的动态修正[J];计算机工程;2005年20期
17 张李义;罗惠恒;;基于协同过滤的WhuRecomm推荐系统的设计与实现[J];武汉大学学报(工学版);2006年06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 马丽;;基于群体兴趣偏向度的数字图书馆协同过滤技术研究[J];现代图书情报技术;2007年10期
20 温会平;陈俊杰;;基于用户模糊聚类的个性化推荐算法[J];计算机与数字工程;2008年02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 李东胜;基于兴趣与保护隐私的在线社区推荐技术研究[D];复旦大学;2012年
10 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
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