基于用户位置分布的个性化推荐算法研究及系统实现

发布时间：2021-01-04 19:28

　　协同过滤作为电子商务发展至今应用最为广泛的个性化推荐算法之一,不仅为用户选择符合自身喜好的物品节省了许多时间与精力,还极大地提高了电商平台和卖家的经济利益。但是一方面现在个性化推荐系统仍旧存在很多问题亟待解决,例如数据的稀疏性、新用户或新商品的冷启动、推荐的准确性和多样性等问题。数据的稀疏性、新用户的冷启动、推荐的准确性和多样性等问题。另一方面,电子商务网站积累了大量用户行为的时间和空间的数据,但协同过滤等算法却并没有充分考虑到这些信息带来的影响,使得推荐结果的准确率无法得到更进一步的提升。本文考虑了物品用户位置分布的特征对物品相似性的影响,提出了改进的协同过滤算法。通过实验表明,该算法能够为用户产生精度更高的推荐列表的同时,推荐物品的多样性也有着优异的表现。我们的研究不但证明商品的用户分布特征也是协同过滤算法中应当考虑的度量商品相似性的一个重要因素,而且为电商平台如何有效地如何利用用户位置信息来提高推荐算法精度提供了有价值的思路。具体主要研究工作如下:（1）基于真实商品的用户分布进行分析,通过对比不同商品用户分布的差异性,总结和归纳其内在的规律并尝试性地探讨了这种差异性的可能产生的机... 

【文章来源】：杭州师范大学浙江省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 研究意义与内容
    1.4 论文结构
2 相关理论
    2.1 涉及的相关推荐算法
        2.1.1 基于近邻的推荐系统
        2.1.2 上下文敏感的推荐系统
        2.1.3 位置感知推荐系统
        2.1.4 基于集成的混合推荐系统
    2.2 评价指标
        2.2.1 准确度指标
        2.2.2 多样性和新颖性
    2.3 聚类算法
        2.3.1 K-Means聚类
    2.4 本章小结
3 基于用户位置分布的个性化算法
    3.1 距离系数计算
    3.2 相似度计算
    3.3 个性化推荐
    3.4 评价指标
        3.4.1 准确性指标
        3.4.2 多样性指标
    3.5 本章小结
4 实验设计与分析
    4.1 实验数据集
    4.2 距离分布系数分析
    4.3 实验设置
    4.4 推荐结果分析
    4.5 本章小结
5 系统的设计与实现
    5.1 数据完善采集
    5.2 系统设计架构
    5.3 数据库设计
    5.4 电影推荐系统的设计与实现
        5.4.1 登录/注册界面
        5.4.2 后台管理系统
        5.4.3 电影推荐系统
    5.5 系统测试
    5.6 本章小结
6 总结和展望
    6.1 本文总结
    6.2 未来展望
参考文献
作者简历


【参考文献】：
期刊论文
[1]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)



本文编号：2957296