收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

个性化推荐技术中的协同过滤算法研究

夏培勇  
【摘要】:随着网络与信息技术的飞速发展,互联网为用户提供越来越多的信息和服务,用户在得到便利的同时也不得不面临大量的垃圾信息和无意义数据,即所谓的信息超载问题。面对海量的网络资源,个性化推荐系统能够及时跟踪用户的需求变化来自动调整信息服务的方式和内容,是一种极具潜力的解决信息超载的服务技术。 协同过滤技术是目前推荐系统中最成功和应用最广泛的技术,在理论研究和实践中都取得了快速的发展,它根据用户的历史选择信息和相似性关系,收集与用户兴趣爱好相同的其他用户的评价信息来产生推荐。然而,传统的协同过滤算法面临数据稀疏、用户相似性难以度量、实时性和可扩展性差等方面的挑战,影响了推荐系统的质量。本文针对这些问题,对协同过滤算法进行了相应的改进,主要工作如下: 1)针对传统相似性度量方法在用户数据稀疏和小邻居集下度量不准确问题,提出了一种基于信息熵的相似性度量方法。该算法首先计算用户间评分的差异,而后通过该差异的加权信息熵来衡量用户评分的相似程度;同时在计算用户相似度时还考虑用户间共同关注圈的大小,用户关注圈交集越大,相似性权重越大。实验结果表明,在数据稀疏程度不变的情况下,该相似性度量方法缓解了传统方案在稀疏数据和小邻居集下的相似度度量不准确问题,提高了推荐的精度。 2)针对传统的协同过滤技术在产生推荐时只考虑用户-项目评分信息而易受数据稀疏影响的问题,引入项目属性信息,提出了一种基于评分相似性和项目属性相似性的混合协同过滤算法。首先,通过项目属性信息设计了一种基于项目属性偏好的用户相似性度量方法,该方法符合用户间的真实关系,同时也能够有效地缓解用户评分稀疏的问题。而后在衡量用户相似性时,综合考虑用户评分的相似性和用户对项目属性偏好的相似性,并通过一个权值w来控制两者的重要程度;实验结果表明,在不同稀疏程度的数据上,该算法获得了比传统相似性计算方法更好的推荐精度,且数据越稀疏性能提升越明显。 3)针对基于内存的协同过滤算法在线计算量较大且可扩展性较低的缺点,提出了一种基于SVD矩阵填充技术的K-means聚类协同过滤算法。传统的基于聚类的协同过滤算法由于数据的高维稀疏往往预测精度非常低,因此,本算法首先利用SVD降维策略提高数据密度,得到一个没有缺失值的评分矩阵,而后利用K-means聚类在填充完整的数据上对用户进行聚类,从而对完成对测试集上未知评分进行预测。该算法利用用户与项目之间的潜在关系克服了稀疏性问题,同时保留了聚类方法实时性好、可扩展性强的优点。实验结果表明,相对于传统的Pearson协同过滤,基于SVD协同过滤和基于K-means的协同过滤,该算法获得了更好的预测性能,同时具有良好的可扩展性。 4)针对单个模型做协同过滤推荐时精度较低的问题,提出了一种改进的自适应AdaBoot.RT集成学习算法,首先利用梯度下降法最小化用户评分的误差函数来构造基类弱回归算法,而后利用一种改进的AdaBoost.RT集成学习方法进行建模。在改进的AdaBoost.RT算法中,用一种带统计特性的偏差系数α来代替原算法中的相对误差参数φ,α能够根据预测误差的情况进行自适应调整,从而使样本权重的调整更加符合预测结果。实验结果表明,该集成学习算法能够显著地提高单个模型的推荐精度。


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 崔亚洲;段刚;;基于Web日志和商品分类的协同过滤推荐系统[J];电子科技大学学报(社科版);2006年03期
3 姜丽红;徐博艺;席俊红;;基于案例推理的过滤算法及智能信息推荐系统[J];清华大学学报(自然科学版);2006年S1期
4 蔡浩;贾宇波;黄成伟;;结合用户信任模型的协同过滤推荐方法研究[J];计算机工程与应用;2010年35期
5 程婷婷;王恒山;刘建国;;用户和项目联合度对二分网络个性化推荐的影响[J];计算机科学;2011年05期
6 郭艳红;邓贵仕;;协同过滤的一种个性化推荐算法研究[J];计算机应用研究;2008年01期
7 查文琴;梁昌勇;曹镭;;基于用户聚类的协同过滤推荐方法[J];计算机技术与发展;2009年06期
8 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期
9 刘丹;褚蓓蓓;郑丽娟;;基于协同过滤的个性化推荐算法研究与实践[J];石家庄铁路职业技术学院学报;2008年02期
10 武建伟;俞晓红;陈文清;;基于密度的动态协同过滤图书推荐算法[J];计算机应用研究;2010年08期
11 郭伟光;章蕾;;基于用户模式聚类的协同过滤个性化推荐方法[J];情报杂志;2011年02期
12 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
13 金艳云;李红兵;;基于个性化学习系统的协同过滤算法改进[J];电脑知识与技术;2009年34期
14 方育柯;傅彦;周俊临;;基于集成学习的个性化推荐算法[J];计算机工程与应用;2011年10期
15 王爱国;李廉;杨静;陈桂林;;一种基于Bayesian网络的网页推荐算法[J];山东大学学报(工学版);2011年04期
16 余力;董斯维;郭斌;;电子商务推荐攻击研究[J];计算机科学;2007年05期
17 夏秀峰;郝仲模;李磊;;考虑年度日程表事件的协同过滤推荐[J];计算机工程与应用;2010年11期
18 方娟;梁文灿;;一种基于协同过滤的网格门户推荐模型[J];电子与信息学报;2010年07期
19 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期
20 庞秀丽;冯玉强;姜维;;电子商务个性化文档推荐技术研究[J];中国管理科学;2008年S1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 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
9 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
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 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
3 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
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 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
6 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
7 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
8 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
9 高滢;多关系聚类分析方法研究[D];吉林大学;2008年
10 肖敏;基于领域本体的电子商务推荐技术研究[D];武汉理工大学;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 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
4 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
5 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
6 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
7 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
8 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
9 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
10 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
中国重要报纸全文数据库 前10条
1 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
2 刘溟;互联网 个性化营销最佳载体[N];经济日报;2004年
3 ;移动经营者的商务机会(未完待续)[N];网络世界;2001年
4 南方;房地产将走向互联网营销[N];中国信息报;2002年
5 商报记者 金朝力;当当布局手机购物战略[N];北京商报;2011年
6 安吉;卓越亚马逊2007年为用户省钱数亿[N];科技日报;2008年
7 猫咪;图片、文件管理助手PaperPort Pro 9 Office[N];中国电脑教育报;2005年
8 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
9 徐志戎;长尾:从选择成本中获利[N];21世纪经济报道;2006年
10 李新;卓越更名“卓越亚马逊”[N];中国新闻出版报;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