集成多种附加信息的推荐算法研究

发布时间：2017-11-10 23:31

  本文关键词：集成多种附加信息的推荐算法研究

  更多相关文章： 推荐 内容 属性 集成 兴趣迁移模式

【摘要】：随着互联网的发展,商品的种类越来越多,商品的信息结构也越来越复杂,影响推荐系统性能的附加信息也随之增长。附加信息是指除评分矩阵以外的文本、属性、地理位置、时间等信息。如何在推荐系统中引入这些附加信息是当前推荐系统研究的一个热点。一种思路是将这些附加信息与评分矩阵统一数学建模,其不足之处是增加了模型的复杂度,降低了模型的可扩展性。本文借鉴集成学习的思想,研究将多种附加信息集成,用于提高推荐系统的性能,主要做了以下几方面的工作：首先,本文在CAT (Content+Attribute)算法的基础上,分别实现了综合物品内容、物品属性及用户属性等单一附加信息的推荐器。通过与PMF(概率矩阵分解)算法的实验对比,证明了引入附加信息的推荐器有更好的稳定性与收敛性。其次,本文将多个集成单一附加信息的推荐器的结果进行集成融合,分别尝试了自定义权重法、梯度下降学习权重法及Stacking法等三种集成策略。实验证明,集成多种附加信息的推荐结果比集成单一附加信息的推荐器有更高的准确性。与多个附加信息统一数学建模的方法相比,集成推荐具有更好的可扩展性,有利于把更多的附加信息集成到推荐系统中。最后,本文研究了用户兴趣迁移模式这种隐含的时间附加信息,提出先按用户兴趣迁移模式对用户进行聚类,再按聚类结果对原始评分矩阵进行分割的推荐方法RUC (Recommendation by User Clustering)。实验结果证明,与基于原始评分矩阵的推荐结果相比,本方法具有更高的推荐准确性和更好的性能。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3

【相似文献】

中国期刊全文数据库 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

中国重要会议论文全文数据库 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：1168853