收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于协同过滤的个性化推荐算法的优化和应用

王小亮  
【摘要】: 近年来,随着互联网和电子商务的不断成熟和发展,人们在信息的获取和商品的购买上获得了很多的便利。与此同时,也出现了“信息过载”的问题。用户在寻找满意的商品上浪费了大量的时间。因此,推荐系统的发展越来越受到重视。推荐系统能够根据用户的历史行为和个人信息为用户提供合适的商品推荐,帮助提高电子商务系统的服务质量。 协同过滤是目前在电子商务推荐系统中应用较为成功的个性化推荐技术,它通过共享其他用户的经验帮助目标用户迅速找到自己感兴趣的商品或信息。协同过滤的研究已经成为个性化推荐领域的热点研究问题。本文所作的主要工作就是协同过滤算法的改进和优化。 本文首先介绍了推荐技术的各种形式。然后重点分析了当前协同过滤算法的研究状况,对各种类型的协同过滤算法做了深入的研究和分析,比较了其各自的特点。 本文的核心研究内容是“斜坡算法”(Slope one)的改进和优化。“斜坡算法”(Slope one)是一种基于项目(Item-based)的协同过滤推荐算法。Slope one具有简单和高效的特点,但是忽略了项目评价数目的影响。通过对其缺点的分析,详细探讨了它的两种改进方式:加权Slope one.评分系数Slope one (R-Slope one, Rating Slope one)。尽管加权Slopeone和R-Slope one算法相比Slope one来说有了一定的改进,但是这两种算法仍然存在用户的针对性不强等问题。基于此,本文提出了基于上述二种改进的Slope one算法和用户聚类结合的混合推荐算法:加权Slopeone与用户聚类的混合协同过滤算法(Weighted Slope one-User Clustering, WSO-UC)、评分系数Slope one与用户聚类的混合协同过滤算法(Rating Slope one-User Clustering, RSO-UC)。 本文通过两个实验来验证所提出的算法WSO-UC和RSO-UC的性能。一组实验是将其与Slope one、加权Slope one和R-Slope one进行比较。另外一组实验是将WSO-UC和RSO-UC与其他几种常用协同过滤算法进行比较。实验结果表明,WSO-UC和RSO-UC的预测和推荐准确度是较高的,证明了本文的研究价值。并且在最后还探讨了应用其建立电子商务推荐模型的过程。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨艳;;数字图书馆中兴趣度推荐算法[J];哈尔滨工程大学学报;2009年06期
2 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期
3 赵娟;;个性化的自主学习模型研究[J];计算机教育;2010年05期
4 聂晶;;基于用户兴趣实时更新评价信息的远程教学资源智能推荐系统[J];中国科教创新导刊;2009年14期
5 苏一丹;王育才;顾新一;;基于独特型人工免疫网络的并行推荐算法的研究[J];计算机应用;2008年05期
6 李聪;梁昌勇;董珂;;基于项目类别相似性的协同过滤推荐算法[J];合肥工业大学学报(自然科学版);2008年03期
7 熊忠阳;张凤娟;张玉芳;;基于粒子群优化的项聚类推荐算法[J];计算机工程;2009年23期
8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期
9 赵智;时兵;;改进的个性化推荐算法[J];长春大学学报;2005年06期
10 李涛;王建东;叶飞跃;冯新宇;张有东;;一种基于用户聚类的协同过滤推荐算法[J];系统工程与电子技术;2007年07期
11 连瑞梅;;电子商务中Web页面个性化推荐系统的架构[J];中国管理信息化(综合版);2007年09期
12 高滢;齐红;刘杰;刘大有;;结合似然关系模型和用户等级的协同过滤推荐算法[J];计算机研究与发展;2008年09期
13 李慧;李存华;王霞;;一种新颖的个性化视频搜索排名算法[J];南京师范大学学报(工程技术版);2008年04期
14 李聪;梁昌勇;;基于属性值偏好矩阵的协同过滤推荐算法[J];情报学报;2008年06期
15 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
16 路璐;;基于aiNET人工免疫网络的推荐算法[J];电脑编程技巧与维护;2010年24期
17 李聪;梁昌勇;杨善林;;电子商务协同过滤稀疏性研究:一个分类视角[J];管理工程学报;2011年01期
18 张付志;常俊风;王栋;;基于Widrow-Hoff神经网络的多指标推荐算法[J];模式识别与人工智能;2011年02期
19 嵇晓声;刘宴兵;罗来明;;协同过滤中基于用户兴趣度的相似性度量方法[J];计算机应用;2010年10期
20 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 高凤荣;杜小勇;王珊;;数字图书馆环境下一种基于语义分类的个性化推荐算法[A];第二十届全国数据库学术会议论文集(研究报告篇)[C];2003年
4 汤显;周军锋;郭景峰;;一种面向Web站点的个性化推荐算法[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
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 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
7 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
8 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
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 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 董振华;群落标签推荐系统体系结构及关键问题研究[D];南开大学;2012年
2 刘淇;基于用户兴趣建模的推荐方法及应用研究[D];中国科学技术大学;2013年
3 高滢;多关系聚类分析方法研究[D];吉林大学;2008年
4 贾春晓;基于复杂网络的推荐算法和合作行为研究[D];中国科学技术大学;2011年
5 史旻昱;基于RSS的个性化网络广告推荐系统研究[D];华中科技大学;2008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 张富国;基于信任的电子商务个性化推荐关键问题研究[D];江西财经大学;2009年
8 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
9 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
10 廉捷;基于用户特征的社交网络数据挖掘研究[D];北京交通大学;2014年
中国硕士学位论文全文数据库 前10条
1 代沁;电子商务中基于消费心理的个性化推荐方法研究[D];沈阳航空工业学院;2010年
2 李源泉;面向个性化推荐的电信产品建模[D];北京邮电大学;2009年
3 何克勤;基于标签的推荐系统模型及算法研究[D];华东师范大学;2011年
4 李有超;基于项目属性与偏爱比较的协同过滤推荐算法研究[D];燕山大学;2010年
5 王小亮;基于协同过滤的个性化推荐算法的优化和应用[D];浙江工商大学;2010年
6 封素石;分布式协同过滤推荐算法研究[D];燕山大学;2010年
7 蔡浩;基于Web使用挖掘的协同过滤推荐算法研究[D];浙江理工大学;2010年
8 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
9 袁先虎;基于混合用户模型的协同过滤推荐算法研究[D];重庆大学;2010年
10 刘亭;隐私保持协同过滤推荐算法研究[D];燕山大学;2010年
中国重要报纸全文数据库 前10条
1 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
2 记者 向阳;软件测试关键技术研究有望降低测试成本[N];科技日报;2009年
3 安吉;卓越亚马逊2007年为用户省钱数亿[N];科技日报;2008年
4 商报记者 金朝力;当当布局手机购物战略[N];北京商报;2011年
5 陈琳娜;客户管理系统:沟通更为重要[N];国际商报;2005年
6 谢静波 晓月;我们的心一直沉甸甸的[N];经济参考报;2004年
7 鲁欢 张强;WAP服务如何扮酷?[N];计算机世界;2000年
8 记者 刘昊;明年北京高校应届毕业生达20万[N];北京日报;2006年
9 孙琎;B2C双巨头七年亏损大战 当当卓越艰难博弈[N];第一财经日报;2007年
10 本报记者 唐蓓茗;“长尾理论”是把双刃剑[N];解放日报;2007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