基于潜在共现的推荐算法研究及其应用

发布时间：2022-08-11 18:12

　　推荐系统已有二十多年的发展,最初多用于电子商务网站,目前已经广泛应用到相当多的领域,包括电子商务、影视、音乐、社交平台、新闻信息、广告等。网络技术的发展使得我们获得的用户行为数据越来越多,数据的类型也随之增加,因此我们应该充分利用这些数据,更好的挖掘用户的潜在需求。一方面将用户需要的信息和热门物品或者长尾物品展现给他,另一方面也有利于信息生产者营销自己的产品。几乎所有的推荐系统都是由前台展示页面、后台的日志系统以及推荐算法系统三部分构成。推荐算法是推荐系统研究的核心,目前单一的推荐算法通常会存在冷启动等问题。因此本文将基于邻域的推荐算法与基于内容的推荐算法相结合,进行混合推荐。混合推荐算法弥补了单一推荐算法存在的缺陷,使得给用户的推荐列表更精确,推荐更全面。推荐算法离不开用户或者项目之间的相似性度量,通常由于项目和用户数量庞大,用户-项目评分矩阵非常稀疏,设计出的推荐算法存在推荐不精准的问题。本文针对这一问题提出将共现潜在语义空间模型（CLSVSM）运用到推荐算法的设计中,将“共现”概念运用到推荐算法中,用“共现强度”代替传统推荐算法的相似性度量,并对用户-评分矩阵进行补全。传统推荐算... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究动态
        1.2.1 推荐系统研究现状
        1.2.2 评论文本挖掘研究现状
    1.3 本文的研究内容
    1.4 本文基本框架
第二章 推荐算法研究理论基础
    2.1 个性化推荐系统原理
    2.2 基于邻域的推荐算法
        2.2.1 相似性度量
        2.2.2 基于用户的协同过滤推荐算法
        2.2.3 基于项目的协同过滤推荐算法
    2.3 基于内容的推荐算法
    2.4 混合推荐算法
    2.5 推荐算法评估
第三章 基于潜在共现的推荐模型
    3.1 共现分析概念
    3.2 共现潜在语义向量空间模型(CLSVSM)
    3.3 基于潜在共现的推荐模型
        3.3.1 评分预测算法基础
        3.3.2 基于潜在共现推荐模型
第四章 推荐模型实验
    4.1 评论数据采集与预处理
        4.1.1 评论数据采集
        4.1.2 评论数据预处理
    4.2 评论文本数据分词
        4.2.1 分词基本原理
        4.2.2 常用分词工具
    4.3 特征词提取
        4.3.1 情感词典构建
        4.3.2 程度词和否定词词典构建
        4.3.3 特征词提取
    4.4 K近邻算法特征聚类
    4.5 评论文本共现分析
    4.6 实验结果分析
第五章 总结与展望
参考文献
攻读硕士期间取得的研究成果
致谢
个人简况及联系方式



本文编号：3675143