当前位置:主页 > 科技论文 > 软件论文 >

基于标签与评分信息的推荐算法研究

发布时间:2021-03-31 21:27
  随着互联网用户的激增和移动通信终端的巨大发展,如何在海量数据中获取到有用的信息,已成为一项亟待解决的难题。推荐系统作为一种信息过滤的重要手段,正是解决这一难题的途径。推荐系统中的核心技术是推荐算法,而大多数推荐算法基于评分数据采用传统或者改进的相似度方法挖掘用户的兴趣并为其推荐。虽然这些方法得到了广泛的应用,但没有充分利用其它可利用的信息,如标签、时间因素和位置等。标签作为联系用户和项目的媒介,可以与评分数据相结合,融入到相似度的计算过程中,可以挖掘出更多用户与项目之间的关联信息,从而进一步改善推荐质量。为此,本文在评分数据的基础上,考虑标签信息,并围绕用户和项目相似度计算方法提出两种改进的协同过滤推荐算法。本文的主要内容如下:(1)提出一种基于标签权重的协同过滤推荐算法。该算法将标签信息用于计算用户间相似度,并与评分数据计算的相似度加权,提出了一种新的相似性度量方法。算法有效利用了用户和标签信息之间的联系,将标签信息用于区分用户间的相似度,提高了目标用户近邻选择的合理性。(2)提出一种融合标签和评分信息的混合推荐算法。该算法通过引入标签信息并分别在用户和项目维度上进行扩展,然后分别对... 

【文章来源】:安徽工业大学安徽省

【文章页数】:67 页

【学位级别】:硕士

【部分图文】:

基于标签与评分信息的推荐算法研究


图书推荐

框架图,协同过滤,框架,目标用户


图 2.3 协同过滤系统的简单框架(1) 基于用户的协同过滤算法基于用户的协同过滤推荐算法[72]的基本原理是:通过对目标用户的兴趣偏好分析,搜索与其拥有一样 或者类似)喜好程度的相关用户,并向其计算未看过项目的评分值以及产生推荐。也就是说,若目标用户与其他用户均对一些项目评过分,就说明他们之间存在共同的相似行为,那么目标用户也就可能喜欢其他用户看过的项目,因此就可以在其他用户看过的所有项目中,从中计算其未看过但可能感兴趣项目的评分值以及产生推荐。以 User1 为例,其算法流程图如图 2.4所示,从图中可以看出基于用户的协同过滤算法流程图主要是由以下 3 个步骤组成。

协同过滤,算法流程图,目标用户


图 2.3 协同过滤系统的简单框架(1) 基于用户的协同过滤算法基于用户的协同过滤推荐算法[72]的基本原理是:通过对目标用户的兴趣偏好分析,搜索与其拥有一样 或者类似)喜好程度的相关用户,并向其计算未看过项目的评分值以及产生推荐。也就是说,若目标用户与其他用户均对一些项目评过分,就说明他们之间存在共同的相似行为,那么目标用户也就可能喜欢其他用户看过的项目,因此就可以在其他用户看过的所有项目中,从中计算其未看过但可能感兴趣项目的评分值以及产生推荐。以 User1 为例,其算法流程图如图 2.4所示,从图中可以看出基于用户的协同过滤算法流程图主要是由以下 3 个步骤组成。

【参考文献】:
期刊论文
[1]基于协同表示学习的个性化新闻推荐[J]. 梁仕威,张晨蕊,曹雷,程军军,许洪波,程学旗.  中文信息学报. 2018(11)
[2]一种带标签的协同过滤广告推荐算法[J]. 金紫嫣,张娟,李向军,温海平,张华薇.  计算机工程. 2018(04)
[3]基于内容的加权粒度序列推荐算法[J]. 王光,张杰民,董帅含,夏帅.  计算机工程与科学. 2018(03)
[4]嵌入LDA主题模型的协同过滤推荐算法[J]. 高娜,杨明.  计算机科学. 2016(03)
[5]大数据与推荐系统[J]. 李翠平,蓝梦微,邹本友,王绍卿,赵衎衎.  大数据. 2015(03)
[6]基于用户-项目的混合协同过滤算法[J]. 陈彦萍,王赛.  计算机技术与发展. 2014(12)
[7]基于用户-标签-项目语义挖掘的个性化音乐推荐[J]. 李瑞敏,林鸿飞,闫俊.  计算机研究与发展. 2014(10)
[8]基于双重邻居选取策略的协同过滤推荐算法[J]. 贾冬艳,张付志.  计算机研究与发展. 2013(05)
[9]分步填充缓解数据稀疏性的协同过滤算法[J]. 张玉芳,代金龙,熊忠阳.  计算机应用研究. 2013(09)
[10]基于TF-IDF相似度的标签聚类方法[J]. 韩敏,唐常杰,段磊,李川,巩杰.  计算机科学与探索. 2010(03)

博士论文
[1]基于半监督学习的个性化推荐研究[D]. 张宜浩.重庆大学 2014

硕士论文
[1]嵌入标签信息的评分预测协同过滤算法研究[D]. 张春霞.南京师范大学 2018
[2]针对稀疏性的协同过滤优化算法研究[D]. 李熠晨.西北大学 2017
[3]基于LM-BP神经网络的推荐算法的研究与应用[D]. 孙倩.北京交通大学 2016
[4]基于标签的个性化推荐方法研究[D]. 丁亦喆.陕西师范大学 2014



本文编号:3112099

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3112099.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c5f24***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com