融合信任关系的二重聚类推荐算法研究

发布时间：2019-11-02 20:23

【摘要】：近年来互联网的普及和电子商务迅猛发展,海量的信息涌现在人们的面前,人们面临的信息过载问题越来越严重。在这种情况下,推荐系统应运而生。人们一般认为,推荐系统这个研究领域源于协同过滤算法的提出。从20世纪末第一个个性化邮件推荐系统Tapestry诞生以来,推荐系统得到了广泛的应用,从Amazon、EBay、Last.fm、豆瓣等电子商务网站和音乐网站,到谷歌、百度广告联盟到处都有推荐系统的身影。由于长尾效应、马太效应等的存在,传统的协同过滤推荐算法面临着用户项目评分数据稀疏、冷启动、安全性以及可扩展性等问题。近些年来在关于推荐系统的研究中,部分研究人员将数据挖掘领域的聚类分析技术融入到推荐系统中希望能够解决部分问题。融合聚类分析的推荐算法首先根据用户或项目的属性进行聚类。使用聚类分析技术根据用户或者项目的属性进行聚类,将具有相似性质的用户或项目聚集到一个簇中,有效的降低了数据对象的规模,降低了推荐系统的算法复杂度。但是一般的聚类推荐算法忽略了用户的社交关系给用户带来的影响,同时基于聚类的协同过滤算法仍然要受到数据稀疏性带来的影响这是因为这类算法仍然使用用户-项目评分来计算相似性。基于对上述问题的分析本文提出了一种融合了信任关系的二重聚类协同过滤算法。本算法使用用户项目类爱好度来降低矩阵的维度,然后计算用户的项目类相似度,减小用户-项目评分稀疏带来的影响。在计算用户相似性的时候考虑用户的社交关系对推荐的影响,将社交网络中的信任关系引入到用户相似性的计算过程。在进行用户聚类的时候考虑到用户群体中专家用户的巨大影响,选择专家用户作为用户聚类的初始聚类中心。在评分预测阶段又考虑了推荐用户在相应项目评分预测上的可信任度。通过本文的几点改进,有效的降低了用户-项目评分稀疏所带的影响,提高了推荐结果的准确性。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3

【相似文献】

相关期刊论文 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 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

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16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 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

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

相关会议论文 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 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[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

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012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 梁莘q，

本文编号：2554691