基于离散多视图哈希的协同过滤推荐算法研究

发布时间：2019-10-08 04:52

【摘要】：信息和网络技术的高速发展,带来了资源和数据的爆炸性增长。为了提高用户的有效信息获取能力,个性化推荐系统正发挥着越来越重要的作用。传统的协同过滤推荐技术往往只能利用单一视图下的用户信息,且需要通过高维向量之间的运算才能够计算出对用户偏好的预测评分,这严重影响了计算和存储效率,其算法的解法也造成了大量的信息丢失。我们提出了一种基于离散多视图哈希的协同过滤推荐算法,不仅融合了不同视图下的信息,而且对用户和物品同时进行编码,最大程度上利用了可以获取到的数据;还提出了一种针对我们模型的高效的解法,从而实现了高质量的推荐结果计算。本文的主要工作有:首先,针对多视图数据,我们使用一种多视图局部锚点嵌入的锚点图构建方法,实现了不同视图数据的融合,既保留了不同视图内的原始信息,又保留了视图之间的原有结构。其次,利用构建得到的多视图锚点图,我们提出了一种多视图数据下的协同过滤哈希算法,为多视图数据学习具有相似度保留特性的二进制哈希编码。我们选择对用户和物品同时进行编码,以便最大化利用原始信息,得到更好的计算结果。最后,在所提出的学习模型上,我们采用了一种高效的计算方法,得到了一种优秀的用户偏好推荐算法。通过在不同数据集上的实验,我们证明了所提算法的效果。
【图文】：

图２．１网易云音乐的每日推荐逡逑

图２．２基于用户的协同过滤算法示意图逡逑
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.3

【相似文献】

相关期刊论文 前10条

1 徐义峰;陈春明;徐云青;;一种基于分类的协同过滤算法[J];计算机系统应用;2007年01期

2 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

3 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

4 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

5 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

6 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

7 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

8 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20期

9 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

10 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

相关会议论文 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

相关博士学位论文 前10条

1 纪科;融合上下文信息的混合协同过滤推荐算法研究[D];北京交通大学;2016年

2 程殿虎;基于协同过滤的社会网络推荐系统关键技术研究[D];中国海洋大学;2015年

3 于程远;基于QoS的Web服务推荐技术研究[D];上海交通大学;2015年

4 段锐;融合文本内容与情境信息的协同过滤推荐方法研究[D];合肥工业大学;2017年

5 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

6 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

7 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

8 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

9 高e，

本文编号：2546109