收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

协同过滤系统的稀疏性与冷启动问题研究

孙小华  
【摘要】:推荐系统通过预测用户对项目的喜好程度来为用户进行信息过滤,应用知识发现技术来生成个性化推荐。协同过滤是一种常用的减少信息过载的技术,已经成为了个性化推荐系统的一种主要工具,然而现有大多数协同过滤算法存在着几个主要问题:精确性,数据稀疏和冷启动问题。许多结合协同过滤与基于内容的信息过滤的算法可以解决这些问题,但是这些算法需要预先得到项目的内容信息或者用户的个人信息,而这些信息在很多推荐系统中是无法获得的,因此无法利用基于内容的信息过滤技术。 本文提出了在无法得到项目的内容信息和用户个人信息的情况下,在数据稀疏和冷启动情况下提高预测准确性的几种方法。在三个公开的数据集上进行了试验,试验结果显示这些方法比常用的算法效果要好。 我们采用了两种方法来提高数据稀疏时预测的准确性,即属于特征递增型的Pear After SVD方法和属于转换型的LCM_STI方法。在特征递增型方法中,一种方法的输出用来作为另一种方法的输入。Pear_After_SVD算法首先利用基于奇异值分解的方法来得到预测的评分,然后采用这些预测结果来获得活动用户的邻居,最后用基于邻居的Pearson算法得到最终提供给用户的预测值。在转换型方法中,推荐系统根据当前的情况决定在不同的推荐方法中进行转换。LCM STI算法设置了一个阈值来决定如何在基于潜在分类模型的Pearson算法与STIN1算法这两种协同过滤方法中进行转换。在基于潜在分类模型的Pearson算法中,首先使用潜在分类模型的结果来进行邻居选择,然后根据最近邻方法来对活动用户未打分项目的评分进行预测。试验结果表明这两种方法在数据稀疏时准确性较高。 冷启动问题包括新项目问题与新用户问题。我们采用了基于统计的众数法以及信息熵法来解决冷启动问题。在基于统计的众数法中,利用人们的从众心理,对新用户问题,我们用所有用户在某一项目上的评分的众数作为新用户在


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 陈琦;吕杰;张世超;;一个解决协同过滤推荐系统相关问题的新算法[J];电子测量技术;2016年05期
2 丁伟峰;郑小林;陈德人;;基于PureSVD模型的协同过滤主动采样[J];北京邮电大学学报;2013年04期
3 顾立志;;协同过滤数据稀疏性问题研究[J];计算机光盘软件与应用;2014年08期
4 贾志洋;石宜金;李丁;马瑞英;;基于协同过滤的在线教学视频推荐方法[J];重庆工商大学学报(自然科学版);2012年07期
5 刘旭东;;一种缓解数据稀疏性的协同过滤推荐系统[J];烟台职业学院学报;2011年04期
6 范志强;赵文涛;;改进的基于内容的协同过滤电影推荐算法[J];信息与电脑(理论版);2019年13期
7 蔡雄峰;艾丽华;丁丁;;一种缓解协同过滤算法数据稀疏性的方法[J];软件;2015年03期
8 贾玉罡;;基于协同过滤的电商推荐系统的设计与实现[J];数字通信世界;2018年03期
9 李鑫垚;王小刚;顾伟康;朱泽霖;张玉;;一种基于协同过滤的金融产品推荐系统的设计[J];福建电脑;2018年12期
10 李转运;唐桂林;;推荐系统中的协同过滤推荐技术研究[J];河南科技;2018年10期
11 孙冬婷;何涛;张福海;;推荐系统中的冷启动问题研究综述[J];计算机与现代化;2012年05期
12 秦冲;赵铁柱;柳毅;;个性化推荐算法的研究及发展综述[J];东莞理工学院学报;2021年03期
13 周思鸣;毕忠勤;李永斌;;一种基于深度学习的精准商品推荐方法[J];上海电力大学学报;2021年05期
14 张玉叶;;基于协同过滤的电影推荐系统的设计与实现[J];电脑知识与技术;2019年06期
15 张洪波;王佳蕾;张丽娟;刘志宏;;基于信任网络的协同过滤推荐方法[J];计算机科学;2018年08期
16 刘畅;王玉龙;;推荐系统冷启动问题分析[J];电信网技术;2017年01期
17 张莉;余磊;;推荐系统中谁可以协同新用户?[J];计算机科学;2015年S2期
中国重要会议论文全文数据库 前20条
1 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
2 陈曦;;基于二阶定时修正协同过滤系统的信息推荐算法[A];2019年第二届钢铁工业智能制造发展论坛会议论文集[C];2019年
3 孙见山;徐东;姜元春;;融合人格信息的单分类协同过滤方法研究[A];第十二届(2017)中国管理学年会论文集[C];2017年
4 易芃;杨成;柴智;;基于重排序的新用户TOPN推荐方法研究[A];第十九届中国科协年会——分4信息新技术 东北新工业论坛论文集[C];2017年
5 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
6 骆正清;郑涛;;基于标签聚类的协同过滤推荐算法[A];第十三届(2018)中国管理学年会论文集[C];2018年
7 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
8 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年
9 高梦晨;;推荐系统用户感知调研[A];工业设计研究(第六辑)[C];2018年
10 李成;胡文丽;;推荐系统体验模型探索——以视频推荐为例[A];工业设计研究(第六辑)[C];2018年
11 李成;冯青青;;推荐系统准确度衡量方案——引入权重概念[A];工业设计研究(第五辑)[C];2017年
12 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
13 朱丹;;利用数据低秩性和稀疏性的位场分离方法[A];2020年中国地球科学联合学术年会论文集(二十一)—专题六十一:应用地球物理前沿、专题六十二:地球重力场及其地学应用、专题六十三太阳活动及其空间天气效应[C];2020年
14 吴莉;蔡万里;何顺帆;;基于信号稀疏性的高效电力扰动数据压缩[A];全国智能用电工程建设经验交流会论文集(2020年)[C];2020年
15 王晓光;施玉海;尹亚光;;面向广电的节目推荐系统研究[A];中国新闻技术工作者联合会2017年学术年会论文集(学术论文篇)[C];2017年
16 徐宗本;;稀疏信息处理:若干新进展与发展趋势[A];2015年中国自动化大会摘要集[C];2015年
17 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
18 李曼玉;李雪峰;;科学研究趋势测度路径探索——以推荐系统研究为例[A];第十四届(2019)中国管理学年会论文集[C];2019年
19 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
20 范荣华;王瑜;孙延伟;乔敏;田磊;李昆鹏;胡波;;汽车冷启动实验操作规范[A];第十二届河南省汽车工程科技学术研讨会论文集[C];2015年
中国博士学位论文全文数据库 前20条
1 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
2 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
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 陈树龙;基于矩阵分解的推荐算法研究[D];国防科技大学;2018年
5 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
6 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
7 段锐;融合文本内容与情境信息的协同过滤推荐方法研究[D];合肥工业大学;2017年
8 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年
9 刘海峰;电子商务中基于信任关系的商品推荐方法[D];大连理工大学;2015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
11 冯晨娇;面向用户数据特性的协同过滤推荐方法研究[D];山西大学;2020年
12 全聪;基于文本的可解释性推荐系统研究[D];武汉大学;2019年
13 杨欐;推荐系统托攻击防御与检测关键技术研究[D];北京邮电大学;2020年
14 符明晟;基于深度学习的智能推荐技术研究[D];电子科技大学;2019年
15 顾梁;播存结构中基于协同过滤的内容推荐技术研究[D];东南大学;2017年
16 袁卫华;面向稀疏数据的多视图个性化推荐方法研究[D];山东师范大学;2018年
17 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
18 夏彬;基于位置信息社交网络的推荐系统研究[D];南京理工大学;2018年
19 王梦晗;推荐系统中数据缺失问题的研究[D];浙江大学;2019年
20 张亮;网络推荐系统中基于时间信息的新颖性研究[D];厦门大学;2017年
中国硕士学位论文全文数据库 前20条
1 关博;一种基于协同过滤的服务推荐系统研究[D];哈尔滨工程大学;2016年
2 云龙;协同过滤推荐系统中关键问题研究与实现[D];黑龙江大学;2011年
3 任彩霞;推荐系统多样性和冷启动问题的研究[D];北京邮电大学;2017年
4 张晓彤;基于分类方法的推荐系统冷启动问题研究[D];兰州大学;2015年
5 陆秋霞;上下文感知推荐[D];上海交通大学;2013年
6 陶沙;基于相似云及兴趣自适应算法的推荐系统研究[D];天津财经大学;2011年
7 田博宇;面向实验检测交流平台的文本推荐方法研究与应用[D];中国石油大学(北京);2020年
8 陈琦;基于用户协同过滤推荐算法的研究[D];天津大学;2016年
9 刘金鑫;基于标签的协同过滤推荐系统研究[D];北京邮电大学;2017年
10 张路一;推荐系统中基于相似性计算的协同过滤算法研究[D];郑州大学;2017年
11 季昀;基于协同过滤推荐算法电影网站的构建[D];哈尔滨工业大学;2009年
12 谢润泉;基于隐式专家的个性化新闻推荐[D];厦门大学;2014年
13 刘坤;推荐系统中用户冷启动问题研究[D];兰州大学;2017年
14 李容;协同过滤推荐系统中稀疏性数据的算法研究[D];电子科技大学;2016年
15 王金辉;基于标签的协同过滤稀疏性问题研究[D];中国科学技术大学;2011年
16 方飞强;基于协同过滤的电子商务推荐系统的研究与设计[D];电子科技大学;2017年
17 李姗姗;基于协同过滤的视频推荐系统设计[D];南京邮电大学;2017年
18 谢杰民;协同过滤系统的数据稀疏性问题研究[D];广东工业大学;2016年
19 吕杰;一种融合用户上下文信息和评分倾向度的协同过滤推荐系统[D];天津大学;2016年
20 范虎;基于云计算的协同过滤推荐系统的研究与应用[D];安徽理工大学;2013年
中国重要报纸全文数据库 前4条
1 记者 周源;知意图发布推荐系统Etu Recommender[N];网络世界;2012年
2 本报记者 郭峰冰;中移动GPRS冷启动[N];中国质量报;2002年
3 记者 张新生;巴西推出冷启动混合燃料汽车[N];科技日报;2009年
4 本报记者 耿雁冰;获批项目仍以钢铁、基建等为主 新一轮经济刺激冷启动[N];21世纪经济报道;2012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