基于改进NSGA-Ⅱ的协同过滤推荐算法

发布时间：2021-02-22 22:22

　　互联网的快速发展给人们带来便利的同时,也带来了诸多问题,面对海量的信息,人们常常不知道如何选择。推荐系统是帮助用户快速发现有用信息的工具,是一种为用户“量身定制”的个性化系统。它可以根据用户的偏好需求模型来进行项目推荐,在这个过程中,与用户偏好需求越匹配的项目则越倾向于推荐给用户。协同过滤算法是最经典且最成功的推荐算法之一。传统的协同过滤推荐算法的相似度量方法忽略了用户间行为一致性的问题,导致相似度计算不够准确。另外,传统的推荐算法过度关注了推荐结果的准确率,而忽略了挖掘长尾项目的重要性。能否在推荐的过程中不降低准确率的同时,同时提高推荐项目的多样性和新颖度成为人们关注的焦点。但是推荐的准确率和多样性是两个相互矛盾的性能指标,这就需要在两者之间进行权衡。多目标优化算法是在多个目标上找寻最优解的方法,遗传算法是一种模拟生物进化过程解决多目标问题的搜索算法,将遗传算法应用到推荐系统中,这为准确率-多样性困境提供了一种新的思路。本文针对上述问题,首先设计了一种基于用户行为一致性的相似度计算方法。该方法根据用户评分是否一致来奖励或惩罚相似度计算,并在相似度计算中考虑用户评分的离散程度以及用户评... 

【文章来源】：天津工业大学天津市

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

物品流行度的长尾分布

天津工业大学硕士学位论文2图1-1物品流行度的长尾分布由图中我们可以看出，流行度越高，处于该流行度的物品数量越少；流行度越低，处于该流行度的物品数量越多。而大多数的商品都近似于长尾分布，符合“二八定律”。换句话说，用户经常浏览的商品只有20%，而80%的商品却被埋没了。购物网站上有成万上亿的商品，如何在有限的页面上准确地向用户展示商品呢？推荐系统的出现解决了这一难题。与搜索引擎相比，推荐系统采用投其所好的方式，即依赖于用户的历史足迹推荐符合用户喜好和需求的项目，以求达到为每个用户“量身定做”的目的。“使用电子商务网站为客户提供产品信息和建议，帮助用户确定要购买的产品，并模拟销售人员以帮助用户完成购买过程”[6-8]，这是推荐系统最初的定义。推荐系统的应用十分广泛，包括电子商务、视频音频网站、互联网广告、电子旅游、基于位置的服务、个性化阅读等[9,10]。例如在许多购物网站上都会有推荐功能的模块，图1-2展示的是亚马逊的“猜你喜欢”栏目。亚马逊网站会根据用户的商品浏览记录或购买记录推荐用户可能喜欢或需要购买的商品。对于用户来说，这样可以从海量的商品中快速找到感兴趣的商品；对于商家来说，可以有效地推出自己的商品。图1-2亚马逊的“猜你喜欢”栏目1.2研究现状

【参考文献】：
期刊论文
[1]面向搜索引擎的实体推荐综述[J]. 黄际洲,孙雅铭,王海峰,刘挺.  计算机学报. 2019(07)
[2]基于正相关和负相关最近邻居的协同过滤算法[J]. 徐怡,唐一民,王冉.  工程科学与技术. 2018(05)
[3]融合正态分布函数相似度的协同过滤算法[J]. 仇国庆,马俊,赵婉滢,赵文铭.  计算机应用研究. 2018(10)
[4]基于改进型启发式相似度模型的协同过滤推荐方法[J]. 张南,林晓勇,史晟辉.  计算机应用. 2016(08)
[5]组推荐系统及其应用研究[J]. 张玉洁,杜雨露,孟祥武.  计算机学报. 2016(04)
[6]协同过滤算法中的用户相似性度量方法研究[J]. 任看看,钱雪忠.  计算机工程. 2015(08)
[7]基于目标分解的高维多目标并行进化优化方法[J]. 巩敦卫,刘益萍,孙晓燕,韩玉艳.  自动化学报. 2015(08)
[8]推荐系统研究进展[J]. 朱扬勇,孙婧.  计算机科学与探索. 2015(05)
[9]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)
[10]上下文感知推荐系统[J]. 王立才,孟祥武,张玉洁.  软件学报. 2012(01)

硕士论文
[1]基于信息熵的协同过滤算法研究[D]. 李玲.北京交通大学 2018



本文编号：3046630