基于混合推荐的水务信息推荐引擎的研究与实现

发布时间：2017-12-26 09:22

  本文关键词：基于混合推荐的水务信息推荐引擎的研究与实现　出处：《北京工业大学》2016年硕士论文　论文类型：学位论文

  更多相关文章： 推荐系统 协同过滤 混合推荐 K-means聚类

【摘要】：随着水务信息资源的迅速增长,水务信息领域面临着越来越严重的信息过载问题,为了解决水务信息过载问题同时提高水务信息资源的利用率,在用户没有明确需求的时候也能够为其提供感兴趣的信息,推荐系统相关技术在水务信息领域的应用变得至关重要。本文在对推荐算法关键技术与水务信息资源特点进行深入研究分析的前提下,设计并且完成了基于混合推荐的水务信息推荐引擎的相关研究。本文的工作主要有以下三个方面:首先,对推荐系统的常用算法进行了深入地对比分析,针对水务推荐信息的大量历史数据情况,选择了基于用户的协同过滤推荐算法。并且在基于用户的协同过滤推荐算法应用的基础上引入了改进的K-means聚类算法以及时间权重函数用来提高系统的实时性和准确度。其次,为了解决基于用户的协同过滤算法带来的冷启动问题,本文使用了基于内容的推荐方法,采用基于TF-IDF权重的向量空间模型方法提取用户和项目的特征,构建了用户模型和推荐项目模型,有效地解决了冷启动问题,并且经实验验证有效地提高了系统的覆盖率和总体的推荐效果。最后,基于对混合推荐方法的深入研究分析,选择对改进后的协同过滤推荐方法与基于内容的推荐方法使用并列式混合推荐的方式设计实现了本文的水务信息推荐引擎,分别对两种推荐方法得出的初始推荐结果进行加权计算得到最终推荐列表。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
，

本文编号：1336687