基于多元统计的个性化推荐算法
发布时间：2020-12-14 20:03
随着互联网的高速发展,信息呈现指数级的增长,给用户造成信息过载的困扰,使用户很难获取所想要的信息。在这种情况下,个性化推荐技术应运而生。个性化推荐技术主要对资源进行高效合理的分配,让用户能够快速的从大量的信息中获取自己想要的信息。作为个性化推荐技术中作为广泛应用的协同过滤推荐技术,虽然在实际应用中获得了很大的成功,但依然面临着很多技术上难题。本文首先介绍推荐系统的理论知识和经典的推荐算法,然后着重研究了主成分分析和K-means聚类算法与协同过滤算法的结合,最后通过实验分析说明改进算法的有效性。本文主要工作如下:1.首先从用户行为数据的时间效应出发对推荐算法展开研究,分析用户的兴趣不是一层不变的,而是随着时间变化而变化。针对这个不足,引入时间遗忘函数改进算法。同时也分析了热门物品对用户相似度计算的影响,引入惩罚因子以降低热门物品对用户相似度的影响。最后通过实验,说明加入时间遗忘函数和惩罚因子改进后的算法在预测评分准确度指标下更有效。2.针对传统协同过滤算法对高纬数据计算导致的内存消耗和时间瓶颈的问题,提出了基于PCA和K-means聚类算法的混合推荐算法,通过对用户评分矩阵降维后,大大...
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：37 页
【学位级别】：硕士
【部分图文】：
中国网民规模和互联网普及率
图 1-2 中国网站数量的增长图对于如何处理这些信息过载的问题，互联网搜索引擎虽然可以在一定的程度上解决大的信息搜索问题，但是，没法从大量信息数据中挖掘用户潜在的感兴趣的物品，同时大的信息存在其中必然会存在用户并不想要的冗余信息。在这个互联网信息大爆炸的时代，个性化推荐系统的研究成为当下的一个大热点。个性化推荐系统是建立在大规模数据挖掘基础上的一种高级商务智能平台，主要功能顾客提供个性化的信息服务和决策支持。一般认为个性化推荐系统最早出现是在 1994明尼苏达大学，GroupLens 研究组推出的 GroupLens 系统。随后麻省理工的 Henryieberman 提出个性化导航体 Letzia；雅虎在 1996 年推出个性化的入口我的雅虎；Amazon 1998 年最早把推荐系统应用于商业；德国 Dresden 的 Tanja Joerding 于 1999 年开发出个化电子商务系统 TELLIM；IBM 在 WebSphere 开发了个性化功能；谷歌公司于 2003 年其广告业务中增加了个性化推荐功能；2006 年，网飞公司开始举办推荐算法大赛，这项事为推荐系统的研究做出了广泛的推广。此后，推荐系统得到了广泛的应用，例如：商业销售、视频点播、社交网络等方面。
图 1-3 亚马逊推荐列表除 Amazon 外，国内的两个巨无霸的电子商务公司阿里巴巴和京东商城，同样在推统方面投入了大量的研发资金，不断升级推荐系统，以满足大数据下用户的需求，提户的购物体验，据京东公司统计，该系统为京东大约贡献了百分十几的订单量。在是频方面，从最近几款爆火的几款短视频 app，抖音、快手、火山小视频等等，在这几视频 app 火爆的背后，个性化推荐系统有着推波助澜的作用，带来了巨大的流量。几有的视频的网站都内置了推荐模块，如优酷的《猜你喜欢》栏目、爱奇艺的《我的爱》栏目、腾讯视频的《为你精选》栏目，这些栏目都是推荐系统的应用。国外的 Ne一家电影视频公司，它通过用户对电影的评分，对用户进行分类，从而产生个性化推荐社交网络方面，推荐系统主用应用于给用户推荐好友、新闻广告消息流等推荐以及用能喜欢的物品推荐这三个方面，从以前的人人网到现在的新浪微博、腾讯微信、国外cebook、Twitter 等都内置了个性化推荐系统模块，来提升用户的满意度、用户的黏性高公司的变现的能力。Facebook 是一家非常有名的社交网络公司，它利用用户们的偏息和他们的社交网络关系，开发出一款 INSTANT PERSONALIZATION 工具，向用户
【参考文献】：
期刊论文
[1]一种基于多元社交信任的协同过滤推荐算法[J]. 王瑞琴,蒋云良,李一啸,楼俊钢. 计算机研究与发展. 2016(06)
[2]基于Mahout的新用户推荐算法的设计与实现[J]. 高献卫,师智斌. 计算机工程与科学. 2015(08)
[3]在推荐系统中利用时间因素的方法[J]. 范家兵,王鹏,周渭博,燕京京. 计算机应用. 2015(05)
[4]时间窗口对个性化推荐算法的影响研究[J]. 宋文君,郭强,刘建国. 复杂系统与复杂性科学. 2015(01)
[5]基于分块奇异值分解的两级图像去噪算法[J]. 刘涵,梁莉莉,黄令帅. 自动化学报. 2015(02)
[6]基于Hadoop的电子商务推荐系统的设计与实现[J]. 李文海,许舒人. 计算机工程与设计. 2014(01)
[7]三部图张量分解标签推荐算法[J]. 廖志芳,李玲,刘丽敏,李永周. 计算机学报. 2012(12)
[8]基于KNN-SVM的混合协同过滤推荐算法[J]. 吕成戍,王维国,丁永健. 计算机应用研究. 2012(05)
[9]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛. 电子科技大学学报. 2012(02)
[10]矩阵奇异值分解及其在高维数据处理中的应用[J]. 尹芳黎,杨雁莹,王传栋,王士鹏. 数学的实践与认识. 2011(15)
硕士论文
[1]基于Hadoop平台和Mahout框架的推荐系统研究与实现[D]. 潘燕红.浙江大学 2015
[2]基于Mahout的推荐系统的研究与实现[D]. 马宁.兰州大学 2013
本文编号：2916945
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：37 页
【学位级别】：硕士
【部分图文】：
中国网民规模和互联网普及率
图 1-2 中国网站数量的增长图对于如何处理这些信息过载的问题，互联网搜索引擎虽然可以在一定的程度上解决大的信息搜索问题，但是，没法从大量信息数据中挖掘用户潜在的感兴趣的物品，同时大的信息存在其中必然会存在用户并不想要的冗余信息。在这个互联网信息大爆炸的时代，个性化推荐系统的研究成为当下的一个大热点。个性化推荐系统是建立在大规模数据挖掘基础上的一种高级商务智能平台，主要功能顾客提供个性化的信息服务和决策支持。一般认为个性化推荐系统最早出现是在 1994明尼苏达大学，GroupLens 研究组推出的 GroupLens 系统。随后麻省理工的 Henryieberman 提出个性化导航体 Letzia；雅虎在 1996 年推出个性化的入口我的雅虎；Amazon 1998 年最早把推荐系统应用于商业；德国 Dresden 的 Tanja Joerding 于 1999 年开发出个化电子商务系统 TELLIM；IBM 在 WebSphere 开发了个性化功能；谷歌公司于 2003 年其广告业务中增加了个性化推荐功能；2006 年，网飞公司开始举办推荐算法大赛，这项事为推荐系统的研究做出了广泛的推广。此后，推荐系统得到了广泛的应用，例如：商业销售、视频点播、社交网络等方面。
图 1-3 亚马逊推荐列表除 Amazon 外，国内的两个巨无霸的电子商务公司阿里巴巴和京东商城，同样在推统方面投入了大量的研发资金，不断升级推荐系统，以满足大数据下用户的需求，提户的购物体验，据京东公司统计，该系统为京东大约贡献了百分十几的订单量。在是频方面，从最近几款爆火的几款短视频 app，抖音、快手、火山小视频等等，在这几视频 app 火爆的背后，个性化推荐系统有着推波助澜的作用，带来了巨大的流量。几有的视频的网站都内置了推荐模块，如优酷的《猜你喜欢》栏目、爱奇艺的《我的爱》栏目、腾讯视频的《为你精选》栏目，这些栏目都是推荐系统的应用。国外的 Ne一家电影视频公司，它通过用户对电影的评分，对用户进行分类，从而产生个性化推荐社交网络方面，推荐系统主用应用于给用户推荐好友、新闻广告消息流等推荐以及用能喜欢的物品推荐这三个方面，从以前的人人网到现在的新浪微博、腾讯微信、国外cebook、Twitter 等都内置了个性化推荐系统模块，来提升用户的满意度、用户的黏性高公司的变现的能力。Facebook 是一家非常有名的社交网络公司，它利用用户们的偏息和他们的社交网络关系，开发出一款 INSTANT PERSONALIZATION 工具，向用户
【参考文献】：
期刊论文
[1]一种基于多元社交信任的协同过滤推荐算法[J]. 王瑞琴,蒋云良,李一啸,楼俊钢. 计算机研究与发展. 2016(06)
[2]基于Mahout的新用户推荐算法的设计与实现[J]. 高献卫,师智斌. 计算机工程与科学. 2015(08)
[3]在推荐系统中利用时间因素的方法[J]. 范家兵,王鹏,周渭博,燕京京. 计算机应用. 2015(05)
[4]时间窗口对个性化推荐算法的影响研究[J]. 宋文君,郭强,刘建国. 复杂系统与复杂性科学. 2015(01)
[5]基于分块奇异值分解的两级图像去噪算法[J]. 刘涵,梁莉莉,黄令帅. 自动化学报. 2015(02)
[6]基于Hadoop的电子商务推荐系统的设计与实现[J]. 李文海,许舒人. 计算机工程与设计. 2014(01)
[7]三部图张量分解标签推荐算法[J]. 廖志芳,李玲,刘丽敏,李永周. 计算机学报. 2012(12)
[8]基于KNN-SVM的混合协同过滤推荐算法[J]. 吕成戍,王维国,丁永健. 计算机应用研究. 2012(05)
[9]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛. 电子科技大学学报. 2012(02)
[10]矩阵奇异值分解及其在高维数据处理中的应用[J]. 尹芳黎,杨雁莹,王传栋,王士鹏. 数学的实践与认识. 2011(15)
硕士论文
[1]基于Hadoop平台和Mahout框架的推荐系统研究与实现[D]. 潘燕红.浙江大学 2015
[2]基于Mahout的推荐系统的研究与实现[D]. 马宁.兰州大学 2013
本文编号：2916945
本文链接：https://www.wllwen.com/guanlilunwen/tongjijuecelunwen/2916945.html
