个性化推荐中协同过滤算法的改进研究

发布时间：2017-01-01 17:27

  本文关键词：移动对象轨迹数据挖掘方法研究，由笔耕文化传播整理发布。

《吉林大学》 2013年

个性化推荐中协同过滤算法的改进研究

蔡观洋  

【摘要】：个性化推荐技术是解决信息化时代中信息过载问题的有效工具，它在作为一种独立工具帮助人们解决难题的同时，也可以与现有的一些技术如搜索引擎，分类目录等相结合，使它们提供的服务锦上添花常见的个性化推荐技术有基于内容的推荐，协同过滤推荐，混合推荐技术等，协同过滤技术则是其中应用最成功的一种方法它主要是基于用户或物体的社会属性特征，通过分析用户的历史行为产生个性化的推荐由于推荐过程仅需要考虑用户的历史行为，与物体的内容属性无关，实现非常简单，在电子商务，个性化阅读，搜索等领域得到了广泛地应用，因此对协同过滤算法的研究具有很好的商业价值但协同过滤算法在应用过程中也面临着许多问题，如算法的可扩展性，冷启动问题，推荐精度等，，它也值得我们进行深入的研究 目前学者在如何提高协同过滤算法推荐精度问题上的研究主要集中在相似性计算方法的改进来有效度量用户或物体间的兴趣一致程度，根据数据集的特性选择合适的惩罚因子来提高相似性的准确度，以及通过与其他推荐方式结合以提高推荐精度但是这些方法都忽略了协同过滤算法中近邻用户/近邻项目组的选择，由于最终的推荐都是基于近邻用户/近邻项目产生的，因此它们的质量也直接决定了推荐结果的精度，文中通过实验验证了这一点针对近邻用户/近邻项目组的选择策略，本文进行了详细的研究： 首先，文中提出了两个近邻评估指标：近邻用户/项目组相似度和参考近邻比例，来度量近邻的质量通过实验找出了传统协同过滤算法计算过程存在的弊端 其次，传统的协同过滤算法选择的近邻要么是相关性比较强，但并不能参与到预测的计算过程，要么就是能参与到预测的计算过程，但是近邻组与目标用户/项目的相关性又不高，导致选择的近邻对预测的计算并非都有正向的促进作用针对原来近邻选择的不足，本文提出了双重阈值的近邻查找方法，在考虑近邻相关度的同时还考虑了近邻参与计算的比例并且将此近邻查找方法分别应用在了基于用户和基于项目的协同过滤算法中，形成了DT-UBCF和DT-IBCF算法 然后，基于双重阈值近邻查找法的思想，文中提出了抽样近邻查找策略，提高了基于用户的协同过滤算法应用在在线推荐中的推荐精度 最后，在Movie lens数据集上验证了改进的协同过滤算法，实验结果表明DT-UBCF和DT-IBCF的推荐精度都比传统的UBCF和IBCF的推荐精度要高

【关键词】：
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.3
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前4条

1 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[J];计算机学报;2010年08期

2 邓爱林,左子叶,朱扬勇;基于项目聚类的协同过滤推荐算法[J];小型微型计算机系统;2004年09期

3 邢哲;梁竞帆;朱青;;多维度自适应的协同过滤推荐算法[J];小型微型计算机系统;2011年11期

4 刘文龙;张桂芸;陈喆;朱蔷蔷;;基于加权信息熵相似性的协同过滤算法[J];郑州大学学报(工学版);2012年05期

中国硕士学位论文全文数据库 前1条

1 何安;协同过滤技术在电子商务推荐系统中的应用研究[D];浙江大学;2007年

【共引文献】

中国期刊全文数据库 前10条

1 孙多;;基于兴趣度的聚类协同过滤推荐系统的设计[J];安徽大学学报(自然科学版);2007年05期

2 李大学;谢名亮;赵学斌;;结合项目类别信息的协同过滤推荐算法[J];重庆邮电大学学报(自然科学版);2010年06期

3 高旻;吴中福;;基于个性化情境和项目的协同推荐研究[J];东南大学学报(自然科学版);2009年S1期

4 闵敏;;层次凝聚算法在商品个性化推荐中的应用[J];电脑知识与技术;2006年20期

5 刘浩杰;金鑫;;一种改进的协作过滤算法[J];电气自动化;2011年05期

6 黄晓斌;;基于协同过滤的数字图书馆推荐系统研究[J];大学图书馆学报;2006年01期

7 彭玉;;基于ART2动态聚类的协同过滤推荐方法[J];福建电脑;2009年05期

8 黄金凤;雷筱珍;;基于蚁群模糊聚类的协同过滤推荐算法[J];湖南工程学院学报(自然科学版);2011年04期

9 史玉珍;郑浩;;基于协同过滤技术的个性化推荐系统研究[J];电子设计工程;2012年11期

10 张莉;;电子商务协同推荐技术研究综述分析[J];电子商务;2012年07期

中国重要会议论文全文数据库 前2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 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

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 赵鹏;复杂网络与互联网个性化信息服务的研究[D];中国科学技术大学;2006年

3 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

4 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

5 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年

6 刘继;基于网络社团分析的协作推荐方法研究[D];大连理工大学;2010年

7 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

8 袁冠;移动对象轨迹数据挖掘方法研究[D];中国矿业大学;2012年

9 任磊;推荐系统关键技术研究[D];华东师范大学;2012年

10 李东胜;基于兴趣与保护隐私的在线社区推荐技术研究[D];复旦大学;2012年

中国硕士学位论文全文数据库 前10条

1 李媛;电子商务个性化推荐关键技术研究[D];哈尔滨工程大学;2010年

2 程淑玉;基于协同过滤算法的个性化推荐系统的研究[D];合肥工业大学;2010年

3 董全德;基于双信息源的协同过滤算法及其应用研究[D];合肥工业大学;2010年

4 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

5 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

6 卜满钊;互联网推荐系统中的协同过滤算法研究[D];浙江大学;2010年

7 白娟娟;科技档案资源共享机制的研究[D];西北大学;2011年

8 李惠民;电子商务推荐系统中协同过滤算法的研究[D];吉林大学;2011年

9 梁洁;基于混合模式的个性化推荐系统的研究与应用[D];武汉理工大学;2011年

10 何秀娟;基于信任的协同过滤推荐模型研究[D];杭州电子科技大学;2011年

【二级参考文献】

中国期刊全文数据库 前10条

1 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期

2 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[J];计算机学报;2010年08期

3 罗辛;欧阳元新;熊璋;袁满;;通过相似度支持度优化基于K近邻的协同过滤算法[J];计算机学报;2010年08期

4 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

5 陈健;印鉴;;基于影响集的协作过滤推荐算法[J];软件学报;2007年07期

6 张光卫;李德毅;李鹏;康建初;陈桂生;;基于云模型的协同过滤推荐算法[J];软件学报;2007年10期

7 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

8 黄国言;李有超;高建培;常旭亮;;基于项目属性的用户聚类协同过滤推荐算法[J];计算机工程与设计;2010年05期

9 吴月萍;郑建国;;协同过滤推荐算法[J];计算机工程与设计;2011年09期

10 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

中国博士学位论文全文数据库 前3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 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

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

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 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

4 彭德巍;胡斌;;一种基于用户特征和时间的协同过滤算法[J];武汉理工大学学报;2009年03期

5 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

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 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

8 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

9 陈小莉;;基于时间的个性化推荐算法在电大在线远程教学平台的应用[J];电脑知识与技术;2010年29期

10 徐兵兵;;基于粗集和模糊聚类的协同过滤算法[J];浙江纺织服装职业技术学院学报;2010年02期

中国重要会议论文全文数据库 前10条

1 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

2 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

3 赵勇;高凤荣;邢春晓;;基于用户权威的协作过滤算法[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

4 冯时;阳峰;王大玲;于戈;;基于虚拟观点社群的用户个性化推荐[A];第六届全国信息检索学术会议论文集[C];2010年

5 王茜;张卫星;;基于分类树相似度加权的协同过滤算法[A];2008年计算机应用技术交流会论文集[C];2008年

6 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

7 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

8 曾春;周立柱;邢春晓;;基于近邻法的协作过滤算法的改进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

9 庞秀丽;冯玉强;姜维;;电子商务个性化文档推荐技术研究[A];第十届中国管理科学学术年会论文集[C];2008年

10 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

中国重要报纸全文数据库 前10条

1 商报记者 金朝力;[N];北京商报;2011年

2 安吉;[N];科技日报;2008年

3 商报记者 金朝力;[N];北京商报;2011年

4 李新;[N];中国新闻出版报;2007年

5 国防科技大学计算机学院 应晓敏 窦文华;[N];计算机世界;2003年

6 应晓敏 窦文华;[N];计算机世界;2003年

7 孙琎;[N];第一财经日报;2008年

8 应晓敏 窦文华;[N];计算机世界;2003年

9 卓越亚马逊公关总监 高超;[N];中国电子报;2008年

10 张学琦;[N];中国电子报;2008年

中国博士学位论文全文数据库 前10条

1 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

2 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

3 邢星;社交网络个性化推荐方法研究[D];大连海事大学;2013年

4 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

5 叶红云;面向金融营销问题的个性化推荐方法研究[D];合肥工业大学;2011年

6 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

7 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

8 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

9 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

10 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

中国硕士学位论文全文数据库 前10条

1 刘芳先;电子商务个性化推荐算法设计与实现[D];江苏大学;2010年

2 钟瑞琼;基于对等网的个性化推荐系统的研究与实现[D];暨南大学;2005年

3 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

4 邵伟;基于领域知识的协同过滤推荐研究[D];河北大学;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 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年

7 黄合鑫;电子商务协同过滤算法的研究与实现[D];北京交通大学;2011年

8 李高敏;基于协同过滤的教学资源个性化推荐技术的研究及应用[D];北京交通大学;2011年

9 苗静;基于扩展邻居与语义树的个性化推荐算法研究[D];大连理工大学;2010年

10 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

  本文关键词：移动对象轨迹数据挖掘方法研究，由笔耕文化传播整理发布。

本文编号：230969