基于Pareto最优和信任关系的协同过滤算法研究
发布时间：2021-05-07 20:02
协同过滤（CF）是广泛使用的推荐方法之一,并已在许多领域得到运用。该方法基于类似用户具有相似品味和兴趣的假设。因此,CF使用与被推荐的用户具有相似品味的用户的喜好来获取有用的推荐。为此,用户在项目上给出的历史数据信息用于首先找到类似的用户,然后进行预测。CF存在两个主要问题:数据稀疏性和冷启动问题。与所有可能的评分相比,数据稀疏性是由用户参与评价的项目过少引起的。冷启动问题是指没有足够的先前评级历史记录的项目（或用户）。在冷启动项目（或用户）下,系统通常无法提供高质量的建议。为了缓解以上两个问题,本文主要研究内容如下:[目的]利用帕累托最优概念和信任关系在推荐过程中获取用户的最相似用户。可以提高传统协同过滤推荐中用户相似性的计算精度,从而优化了类似用户的聚类效果,让一些商务平台产生更好的推荐结果,这可以减轻协同算法中经常出现的数据稀疏以及冷启动难题带来的干扰。[研究内容]这篇文章将经济学中的帕累托最优思维和社会关系中的信任关系,考虑到协同过滤推荐算法中。方法步骤如下:首先,根据信任关系确定信任网络,同时生成预测评分集;其次,根据生成的评分集,计算调节因子,用来改进传统的协同过滤算法,获...
【文章来源】：天津财经大学天津市
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
内容摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 研究内容及创新点
1.4 论文结构
第2章 几种常见的推荐算法
2.1 基于内容的推荐
2.1.1 概念简述
2.1.2 基于内容的推荐算法的优缺点
2.2 基于关联规则的推荐
2.2.1 算法概述
2.2.2 相关算法
2.2.3 基于关联规则算法的优缺点
2.3 基于知识的推荐算法
2.3.1 基于知识的推荐算法概述
2.3.2 算法的优缺点
2.4 基于协同过滤的推荐算法
2.4.1 算法概述
2.4.2 相关算法概述
2.4.3 基于协同过滤的推荐算法的优缺点
2.5 组合推荐技术
2.5.1 整体式混合设计
2.5.2 并行式混合设计
2.5.3 流水线式混合设计
第3章 利用用户间信任关系改进的协同过滤推荐方法
3.1 利用信任关系的协同过滤推荐方法文献综述
3.2 利用用户间信任关系改进的协同过滤推荐方法
3.2.1 确定被推荐的用户信任用户集合
3.2.2 生成完整的评分数据集
3.2.3 确定最相近的信任用户和评分预测
3.2.4 应用案例
第4章 基于Pareto最优和信任关系的协同过滤算法
4.1 基于Pareto最优的协同过滤算法研究综述
4.2 基于Pareto最优改进的信任关系协同算法
4.2.1 Pareto最优概念
4.2.2 基于相似值利用帕累托最优原则,重建信任网络
4.2.3 评分预测
4.2.4 应用案例
第5章 实验分析
5.1 实验目的
5.2 实验准备
5.2.1 实验数据及评价指标
5.2.2 实验环境
5.3 实验设计方案和结果
5.3.1 实验设计
5.3.2 实验结果
第6章 总结与展望
6.1 本文总结
6.2 未来展望
参考文献
攻读硕士学位期间发表的论文
后记
【参考文献】：
期刊论文
[1]基于知识图谱和频繁序列挖掘的旅游路线推荐[J]. 孙文平,常亮,宾辰忠,古天龙,孙彦鹏. 计算机科学. 2019(02)
[2]一种基于用户的协同过滤推荐算法[J]. 张双庆. 电脑知识与技术. 2019(01)
[3]Improve the Collaborative Filtering Recommender System Performance by Trust Network Construction[J]. DU Yongping,DU Xiaoyan,HUANG Liang. Chinese Journal of Electronics. 2016(03)
[4]协同过滤推荐算法的改进——帕累托最优视角[J]. 焦媛媛,熊剑芳,沈志锋. 工业工程与管理. 2015(06)
[5]基于用户信任和张量分解的社会网络推荐[J]. 邹本友,李翠平,谭力文,陈红,王绍卿. 软件学报. 2014(12)
[6]结合信任的推荐系统的性质[J]. 龙宇,童向荣. 计算机应用. 2014(01)
[7]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏. 自然科学进展. 2009(01)
[8]电子商务个性化推荐研究[J]. 余力,刘鲁. 计算机集成制造系统. 2004(10)
[9]基于项目评分预测的协同过滤推荐算法[J]. 邓爱林,朱扬勇,施伯乐. 软件学报. 2003(09)
硕士论文
[1]基于混合模型的推荐系统的研究[D]. 张滨.吉林大学 2018
[2]基于关联规则优化的协同过滤混合推荐算法研究[D]. 韩志俊.宁夏大学 2018
[3]融合帕累托占优的增强协同过滤方法研究[D]. 刘艳.西华大学 2015
本文编号：3173980
【文章来源】：天津财经大学天津市
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
内容摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 研究内容及创新点
1.4 论文结构
第2章 几种常见的推荐算法
2.1 基于内容的推荐
2.1.1 概念简述
2.1.2 基于内容的推荐算法的优缺点
2.2 基于关联规则的推荐
2.2.1 算法概述
2.2.2 相关算法
2.2.3 基于关联规则算法的优缺点
2.3 基于知识的推荐算法
2.3.1 基于知识的推荐算法概述
2.3.2 算法的优缺点
2.4 基于协同过滤的推荐算法
2.4.1 算法概述
2.4.2 相关算法概述
2.4.3 基于协同过滤的推荐算法的优缺点
2.5 组合推荐技术
2.5.1 整体式混合设计
2.5.2 并行式混合设计
2.5.3 流水线式混合设计
第3章 利用用户间信任关系改进的协同过滤推荐方法
3.1 利用信任关系的协同过滤推荐方法文献综述
3.2 利用用户间信任关系改进的协同过滤推荐方法
3.2.1 确定被推荐的用户信任用户集合
3.2.2 生成完整的评分数据集
3.2.3 确定最相近的信任用户和评分预测
3.2.4 应用案例
第4章 基于Pareto最优和信任关系的协同过滤算法
4.1 基于Pareto最优的协同过滤算法研究综述
4.2 基于Pareto最优改进的信任关系协同算法
4.2.1 Pareto最优概念
4.2.2 基于相似值利用帕累托最优原则,重建信任网络
4.2.3 评分预测
4.2.4 应用案例
第5章 实验分析
5.1 实验目的
5.2 实验准备
5.2.1 实验数据及评价指标
5.2.2 实验环境
5.3 实验设计方案和结果
5.3.1 实验设计
5.3.2 实验结果
第6章 总结与展望
6.1 本文总结
6.2 未来展望
参考文献
攻读硕士学位期间发表的论文
后记
【参考文献】：
期刊论文
[1]基于知识图谱和频繁序列挖掘的旅游路线推荐[J]. 孙文平,常亮,宾辰忠,古天龙,孙彦鹏. 计算机科学. 2019(02)
[2]一种基于用户的协同过滤推荐算法[J]. 张双庆. 电脑知识与技术. 2019(01)
[3]Improve the Collaborative Filtering Recommender System Performance by Trust Network Construction[J]. DU Yongping,DU Xiaoyan,HUANG Liang. Chinese Journal of Electronics. 2016(03)
[4]协同过滤推荐算法的改进——帕累托最优视角[J]. 焦媛媛,熊剑芳,沈志锋. 工业工程与管理. 2015(06)
[5]基于用户信任和张量分解的社会网络推荐[J]. 邹本友,李翠平,谭力文,陈红,王绍卿. 软件学报. 2014(12)
[6]结合信任的推荐系统的性质[J]. 龙宇,童向荣. 计算机应用. 2014(01)
[7]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏. 自然科学进展. 2009(01)
[8]电子商务个性化推荐研究[J]. 余力,刘鲁. 计算机集成制造系统. 2004(10)
[9]基于项目评分预测的协同过滤推荐算法[J]. 邓爱林,朱扬勇,施伯乐. 软件学报. 2003(09)
硕士论文
[1]基于混合模型的推荐系统的研究[D]. 张滨.吉林大学 2018
[2]基于关联规则优化的协同过滤混合推荐算法研究[D]. 韩志俊.宁夏大学 2018
[3]融合帕累托占优的增强协同过滤方法研究[D]. 刘艳.西华大学 2015
本文编号：3173980
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3173980.html
