收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

双向聚类迭代的协同过滤推荐算法

陶红亮  
【摘要】: 随着Internet的普及和网上贸易的迅速发展,电子商务系统已成为人们网上购物的主要平台。在给用户提供更多选择和方便的同时,其结构也变得更加复杂和庞大,用户经常会迷失在大量的商品信息空间中,无法迅速找到自己所需的商品。这种情况下,推荐系统应运而生,它在电子商务系统中具有良好的发展空间和应用前景,已成为电子商务领域研究的一个重要内容。 推荐系统是根据用户已有的评价信息或历史记录实现个性化服务的系统,向用户推荐其感兴趣的商品或信息。人们将数据挖掘中的各种技术应用于推荐系统的研究,取得了很多成果并且开发出一些优秀的推荐系统,极大地促进了推荐技术的发展。但是,现代电子商务系统中用户和项目数以万计,而且发展非常迅速,使得推荐系统面临一些困难和挑战,主要包括:推荐准确度、实时性要求、数据稀疏问题和可扩展性问题。 协同过滤是目前应用最广泛的推荐技术。针对推荐系统面临的数据稀疏问题,本文提出了两种改进的基于聚类的协同过滤算法:基于项目平滑和聚类的方法,双向聚类迭代的方法。将用户和项目分别聚类,在与目标项目最相似的前若干个聚类簇中搜索它的最近邻居,可以缩小搜索邻居的范围,提高推荐算法的实时响应速度。 基于项目平滑和聚类的方法中,利用聚类信息,对用户未评分的项目做平滑处理,使得用户-项目矩阵变得稠密,然后在项目聚类中寻找目标项目的最近邻居,在一定程度上可以解决数据稀疏对推荐精度的影响。 双向聚类迭代的方法中,引入二部图概念来表示用户和项目之间的关联关系,对初始得到的用户聚类和项目聚类进行交叉迭代调整,使聚类簇达到较稳定的状态。调整后聚类簇的内聚性更强,类之间的区分度更大,这样也可以在一定程度上解决数据稀疏问题的影响,提高推荐的准确度。 本文的实验采用标准的MovieLen数据集,用K-mean聚类法对用户和项目进行聚类,观察在不同聚类数目的情况下,类内距与类间距之比。然后考察本文提出的两种方法的MAE值(平均绝对偏差),并与其他一些传统的协同过滤算法的MAE结果相比较,来验证算法的有效性。实验结果表明,相比于其他一些传统的方法,两种新方法在效果和效率上都表现得较好,能够有效解决数据稀疏问题,提高推荐系统的实时响应速度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张富国;;基于协同过滤技术的电子商务推荐系统初探[J];科技广场;2006年08期
2 杨怀珍;丛晓琪;刘枚莲;;基于协同过滤的电子商务推荐系统建模研究[J];中国管理信息化;2008年21期
3 高虎明;李伟丽;;基于协同过滤和Rankboost算法的酒店推荐系统[J];微计算机信息;2010年36期
4 张捷;;浅析电子商务推荐系统技术[J];山西经济管理干部学院学报;2010年04期
5 王辉;高利军;王听忠;;个性化服务中基于用户聚类的协同过滤推荐[J];计算机应用;2007年05期
6 李姣燕;徐选华;;一种基于协同过滤技术的在线交友推荐系统的设计与实现[J];电脑知识与技术(学术交流);2007年19期
7 于俊洋;沈夏炯;;个性化搜索服务策略研究[J];教育信息化;2006年21期
8 刘洋;;一种基于协同过滤技术的自适应推荐系统[J];辽宁石油化工大学学报;2007年03期
9 孙守义;王蔚;;一种基于用户聚类的协同过滤个性化图书推荐系统[J];现代情报;2007年11期
10 田伟;彭玉青;;基于电子商务应用的协同过滤技术改进综述[J];计算机工程与科学;2008年10期
11 秦光洁;张颖;;基于综合兴趣度的协同过滤推荐算法[J];计算机工程;2009年17期
12 刘旭东;葛俊杰;;基于关联规则的个性化推荐在数字图书馆中的应用研究[J];德州学院学报;2010年02期
13 张莹;;电子商务中的推荐技术探讨[J];潍坊学院学报;2006年02期
14 王巍;;结合用户偏好迁移的复合推荐方法[J];计算机工程与设计;2010年14期
15 宗胜;姜丽红;;推荐系统中遗漏值解决方法的研究[J];计算机应用与软件;2008年06期
16 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期
17 李宏基;;物流服务平台中推荐系统的框架设计[J];科技传播;2010年19期
18 黄巧莉,刘胜,刘飞;网络化销售和定制个性化信息推荐系统研究及应用[J];现代制造工程;2005年08期
19 李雪峰;刘鲁;张曌;;基于协同过滤的在线拍卖商品推荐[J];计算机工程;2006年23期
20 潘伟;;基于协同过滤技术的个性化课程推荐系统研究[J];现代情报;2009年05期
中国重要会议论文全文数据库 前10条
1 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
2 谢科;刘奕群;岑荣伟;马少平;茹立云;杨磊;;基于维基百科层次分类框架的主题推荐系统的研究[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
3 洪迪安;王云德;卢德明;艾康伟;陶祖莱;;对举重生物力学分析中数据平滑方法的研究[A];第四届全国运动生物力学学术会议论文集(四)[C];1983年
4 李诚志;于冰;;不同数据平滑方法的研究[A];第四届全国运动生物力学学术会议论文集(一)[C];1983年
5 张岩;张亮;周一鸣;安爽;果德安;周玉祥;曾令文;程京;;抗真菌物质与酵母细胞作用后全基因表达谱的聚类法分析[A];第九次全国生物物理大会学术会议论文摘要集[C];2002年
6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[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
7 刘轩;胡金义;陈德明;;基于ArcGIS等值线平滑方法的研究[A];中国水利学会2010学术年会论文集(上册)[C];2010年
8 李诚志;于冰;;不同数据平滑方法的研究[A];参加第四届全国运动生物力学学术会议论文集[C];1983年
9 靳绍聪;王建民;闻立杰;曹大海;;一种基于推荐系统的工作流资源分配机制[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
10 何昭珩;阮樟材;;判别优树类型方法的新探讨—应用主组元聚类法揭示广东杉木优树的特徵[A];全国林木遗传育种第五次学术报告会论文汇编[C];1986年
中国博士学位论文全文数据库 前10条
1 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年
2 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
3 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年
4 任磊;推荐系统关键技术研究[D];华东师范大学;2012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 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
7 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
8 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年
9 刘平峰;基于知识网格的电子商务智能推荐理论方法研究[D];武汉理工大学;2006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 陶红亮;双向聚类迭代的协同过滤推荐算法[D];江西师范大学;2007年
2 吴彬;基于双重聚类推荐系统的设计与实现[D];华东师范大学;2008年
3 庄永龙;基于项目特征模型的协同过滤推荐算法研究[D];南京理工大学;2008年
4 葛润霞;基于内容聚类的协同过滤推荐系统研究[D];山东师范大学;2008年
5 张强;安全推荐系统中基于信任的检测模型研究[D];上海交通大学;2009年
6 王立军;基于协同过滤推荐系统的数据稀疏性问题研究[D];东北师范大学;2009年
7 赵伟;基于评分预测和概率融合的协同过滤研究[D];河南大学;2007年
8 盖亮;电子商务推荐系统的研究与实现[D];天津大学;2007年
9 周凤林;电子商务下的柔性推荐系统[D];华中科技大学;2007年
10 杨智奇;协同过滤技术在电子商务个性化推荐系统中的研究与应用[D];电子科技大学;2009年
中国重要报纸全文数据库 前10条
1 本报记者 冯卫东;网络导购:找出你的最爱[N];科技日报;2007年
2 林嘉澍;从搜索到发现[N];经济观察报;2007年
3 饶宇锋;微软策动互联网跨越搜索时代[N];财经时报;2007年
4 熊明华;九江人才市场打造就业“助推器”[N];中国人事报;2006年
5 镡立勇;2007年度省科技奖推荐工作启动[N];河北经济日报;2007年
6 本报记者  何小龙;委员履职:量化打分[N];江淮时报;2006年
7 记者 温跃通讯员 朱锋 朱沙;农行山东省分行与省教育厅全面合作[N];金融时报;2007年
8 人造天堂;论语的长尾营销[N];21世纪经济报道;2007年
9 薛求知;我们需要准确地理解西点军校[N];上海证券报;2007年
10 CPW华南区记者 伍羡妮;开放平台 移动商务乍现商机[N];电脑商报;2003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