基于多属性动态权值调整的协同过滤技术研究

发布时间：2017-08-21 04:17

  本文关键词：基于多属性动态权值调整的协同过滤技术研究

  更多相关文章： 项目属性 权值调整 推荐系统 协同过滤

【摘要】：随着互联网的出现普及,网络中的信息量极速膨胀,当在面对海量、冗杂的网络信息时,用户无法高效的从中取得对用户自身真实有用的信息,这就意味着我们身处的时代是一个“信息超载(Information Overload)”的时代。针对信息超载问题,推荐系统能从爆炸的增量信息中筛选出符合用户需求的信息,因此被认为是解决问题的主要手段之一。在推荐系统中,个性化推荐不仅能迅速挖掘到用户所需资源,提高信息资源的利用率,因此被普遍认为是电子商务领域至关重要的服务技术。目前较为成功的个性化推荐技术当之无愧是协同过滤(Collaborative Filtering)推荐技术,但协同过滤推荐算法在得到广泛应用的同时,也出现了一些如数据稀疏性、冷启动等缺陷,而这些问题都严重制约了推荐结果的个性化。不仅如此,如今的个性化推荐技术大多都着眼于研究用户偏好,但仅片面的关注用户偏好的变化或用户偏好的某一方面,使得个性化推荐的准确率较低。项目具有多角度性,并以此区分不同类型的项目,因此用户对项目的评价也从多个角度侧面反映了用户的偏好特征。由于基于项目的协同过滤算法多是基于项目的评分相似性进行推荐,鲜有从项目的多个角度分析用户对其的偏好,因此推荐准确度较低。本文提出了基于多属性动态权值调整的协同过滤推荐算法,从项目的多个角度以及用户评分的变化动态的考量用户偏好,并通过变化权值衡量用户对项目的偏好程度,以此改善基于项目的协同过滤进行推荐未兼顾用户偏好从而导致推荐效果较差的问题,提高用户对系统的满意度及推荐的准确度。本文的研究意义如下:(1)理论意义:通过项目属性获取用户偏好的方式为协同过滤推荐系统兼顾用户偏好、实现个性化推荐提供关键依据;引入项目主要属性权值作为理论基础,为研究基于项目评分的协同过滤推荐提供新思路及方向;设定的非固定权值对评分进行动态调整可以更准确的捕捉到用户的实际偏好及变化,以实现更准确的推荐。(2)实际意义:传统的推荐方式不能满足用户的个性化需求,本文的算法着重考量用户偏好的影响以提供更为准确的个性化推荐,帮助电子商务平台提供更为优质的服务;在一定程度上改善了传统的协同过滤推荐系统,使之能够适应电子商务应用需求,对完善网络购物环境具有一定的现实意义。
【关键词】：项目属性 权值调整 推荐系统 协同过滤
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F713.36
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-20
• 第一节 课题研究背景与意义9-16
• 一、课题研究背景9-14
• 二、课题研究意义14-16
• 第二节 研究思路和主要内容16-20
• 一、研究思路16-18
• 二、研究内容18-19
• 三、论文组织结构19-20
• 第二章 推荐系统及协同过滤推荐系统研究概述20-41
• 第一节 推荐系统的定义20-22
• 第二节 推荐系统分类22-27
• 一、基于知识的推荐22-23
• 二、基于内容的推荐23-25
• 三、协同过滤推荐25
• 四、混合推荐25-27
• 第三节 协同过滤推荐27-41
• 一、协同过滤推荐的思想及原理27
• 二、协同过滤推荐的步骤27-32
• 三、协同过滤推荐的分类32-37
• 四、协同过滤推荐的优点与存在的问题37-39
• 五、各类推荐系统的对比39-40
• 六、推荐系统的研究方向与发展趋势40-41
• 第三章 基于多属性动态权值调整的协同过滤推荐技术的研究41-56
• 第一节 引言41-43
• 第二节 进行推荐的基本过程43-47
• 一、算法的三个基本假设43
• 二、算法流程43-44
• 三、数据结构44-47
• 第三节 算法的详细描述47-55
• 一、基于多属性动态权值调整的推荐算法47-52
• 二、基于多属性动态权值调整的协同过滤推荐算法52-55
• 第四节 本章小结55-56
• 第四章 实验设计与结果分析56-67
• 第一节 实验数据集56-57
• 第二节 检验指标57-59
• 一、平均绝对误差MAE57-58
• 二、准确率58-59
• 三、召回率59
• 第三节 实验内容59-62
• 一、实验一：MAE值59-60
• 二、实验二：准确率、召回率60-62
• 第四节 实验结论与分析62-67
• 第五章 结论与展望67-69
• 参考文献69-74
• 致谢74-75
• 作者在读期间完成的研究成果75

【相似文献】

中国期刊全文数据库 前10条

1 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

2 朱敏;苏博;;基于奇异值分解的协同过滤推荐算法研究[J];计算机安全;2010年07期

3 龚松杰;;电子商务中协同过滤推荐技术研究[J];商场现代化;2008年03期

4 李雪峰;刘鲁;张f，

本文编号：710770