基于用户兴趣的电影推荐算法研究及系统设计
发布时间：2021-09-05 17:51
随着信息技术发展,“信息过载”的问题日益严重。电影信息亦是如此,随着电影资源池的不断扩大,用户难以快速、准确的从电影资源池中挑选得到其感兴趣的电影。推荐系统的提出缓解了上述问题,协同过滤推荐算法在电影推荐领域应用较为广泛且效果显著。但也有其不足之处,比如:用户观影评分较为稀疏时该算法难以从中准确挖掘用户观影兴趣,难以及时追踪用户随时间偏移后的观影兴趣。因此对该方法的研究和改进对于电影推荐意义重大。本文在该算法基础上进行改进,具体如下:本文提出了基于项目类及评分可靠性的协同过滤算法,引入电影类别及用户可靠性,降低数据稀疏的影响,提升推荐准确性。其主要思想是综合用户评分偏好、用户电影类别偏好,为两者赋予不同融合参数,实验获取最优值,然后融合用户邻居评分可靠性,进行最终的电影评分预测以及电影推荐。时间因素对人的兴趣爱好影响较大,本文提出了基于自然遗忘及用户兴趣的协同过滤算法,引入遗忘函数来解决用户观影兴趣偏移的问题,及时追踪用户偏移后的观影兴趣。其主要思想是运用遗忘函数为用户不同时段兴趣赋予不同权重,增加用户近期观影兴趣权重,计算得到用户观影兴趣保存量,综合用户观影历史和观影兴趣保存量计算得...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
搜索引擎体系结构
搜索引擎的出现，极大的降低了信息爆炸对用户寻找有效信息的影响。搜索引擎主要是通过关键字相关度进行检索，过去一段时间满足了大部分用户获取有效信息的需求，但仍有其缺陷。比如：利用百度查询“类似战狼电影”关键字，如图 2 是搜索引擎的搜索结果。不难发现图 2 结果不尽如人意，主要有以下的原因：由于搜索引擎的检索主要依据用户输入的关键字，关键字是否准确对于搜索引擎的检索结果至关重要。而准确提炼出自己的检索意图关键字对于大多数人具有一定的挑战性。首先当用户关键字与意图误差大、用户意图难以提炼出关键字时，搜索引擎就难以为用户准确检索有效信息；其次，两个用户检索同样的关键字，搜索引擎展示给两者的数据是一样的。然而，这两个用户可能对这个关键字理解不一样，搜索引擎仅仅依赖于关键字，未能综合用户兴趣深入挖掘用户意图，从而难以对用户个性化推荐，展示个性化的有效信息，用户体验差[5]。搜索引擎对于解决信息过载问题有较大作用，然而搜索引擎存在以上缺点，用户更希望得到准确有效的个性化信息，而非搜索引擎的网页链接。
第一章 绪论人信息、历史行为信息以及待推荐物品信息等挖掘出用户潜在的兴趣，然后将与用户兴趣相关度较高的物品推荐展示给用户[6]。推荐系统的出现在解决数据过载问题的基础上，同时解决了搜索引擎检索展示给用户的信息非个性化这一问题[7]。首先，对用户来说推荐系统可以筛选展示符合其需求的有效信息，帮用户节省信息筛选时间；其次，对于信息提供商来说，可以挖掘用户兴趣，推荐展示更多有效信息给用户，增加用户停留时间，增强用户粘性，优化用户体验[8]。上述图 2 是搜索引擎针对“类似战狼电影”关键词的检索结果。如图 3 是腾讯视频针对电影战狼观看历史的推荐结果。通过对比图 2、图 3 不难发现，搜索引擎在用户提供检索关键词的基础上被动展示相关信息给用户。而推荐系统则依据用户历史行为主动提供有针对性的个性化服务[8]。
【参考文献】：
期刊论文
[1]一种融合聚类与用户兴趣偏好的协同过滤推荐算法[J]. 何明,孙望,肖润,刘伟世. 计算机科学. 2017(S2)
[2]基于用户对项目属性偏好的协同过滤算法[J]. 王明佳,韩景倜. 计算机工程与应用. 2017(06)
[3]基于人口统计学的改进聚类模型协同过滤算法[J]. 王媛媛,李翔. 计算机科学. 2017(03)
[4]第39次《中国互联网络发展状况统计报告》发布我国网民达7.3亿[J]. 沈金萍. 传媒. 2017(03)
[5]一种改进的基于内容的个性化推荐模型[J]. 闫东东,李红强. 软件导刊. 2016(04)
[6]一种结合关联规则的协同过滤推荐算法[J]. 陈平华,陈传瑜,洪英汉. 小型微型计算机系统. 2016(02)
[7]基于项目的协同过滤推荐算法的改进[J]. 黄典. 中国科技信息. 2016(01)
[8]大数据专题前言[J]. 孟小峰,高宏. 软件学报. 2014(04)
[9]基于联合聚类平滑的协同过滤算法[J]. 韦素云,肖静静,业宁. 计算机研究与发展. 2013(S2)
[10]基于用户聚类的异构社交网络推荐算法[J]. 陈克寒,韩盼盼,吴健. 计算机学报. 2013(02)
博士论文
[1]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学 2013
[2]基于用户兴趣建模的推荐方法及应用研究[D]. 刘淇.中国科学技术大学 2013
硕士论文
[1]基于J2EE轻量级框架的能源管理系统设计与实现[D]. 马研.南昌大学 2018
[2]中职学校交互式动画点播平台的设计与实现[D]. 江莎.天津大学 2017
[3]协同过滤算法中的相似度计算与用户兴趣变化问题研究及应用[D]. 邱璐.北京邮电大学 2015
[4]基于用户兴趣的个性化推荐系统的研究与设计[D]. 杨麟儿.北京交通大学 2008
本文编号：3385808
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
搜索引擎体系结构
搜索引擎的出现，极大的降低了信息爆炸对用户寻找有效信息的影响。搜索引擎主要是通过关键字相关度进行检索，过去一段时间满足了大部分用户获取有效信息的需求，但仍有其缺陷。比如：利用百度查询“类似战狼电影”关键字，如图 2 是搜索引擎的搜索结果。不难发现图 2 结果不尽如人意，主要有以下的原因：由于搜索引擎的检索主要依据用户输入的关键字，关键字是否准确对于搜索引擎的检索结果至关重要。而准确提炼出自己的检索意图关键字对于大多数人具有一定的挑战性。首先当用户关键字与意图误差大、用户意图难以提炼出关键字时，搜索引擎就难以为用户准确检索有效信息；其次，两个用户检索同样的关键字，搜索引擎展示给两者的数据是一样的。然而，这两个用户可能对这个关键字理解不一样，搜索引擎仅仅依赖于关键字，未能综合用户兴趣深入挖掘用户意图，从而难以对用户个性化推荐，展示个性化的有效信息，用户体验差[5]。搜索引擎对于解决信息过载问题有较大作用，然而搜索引擎存在以上缺点，用户更希望得到准确有效的个性化信息，而非搜索引擎的网页链接。
第一章 绪论人信息、历史行为信息以及待推荐物品信息等挖掘出用户潜在的兴趣，然后将与用户兴趣相关度较高的物品推荐展示给用户[6]。推荐系统的出现在解决数据过载问题的基础上，同时解决了搜索引擎检索展示给用户的信息非个性化这一问题[7]。首先，对用户来说推荐系统可以筛选展示符合其需求的有效信息，帮用户节省信息筛选时间；其次，对于信息提供商来说，可以挖掘用户兴趣，推荐展示更多有效信息给用户，增加用户停留时间，增强用户粘性，优化用户体验[8]。上述图 2 是搜索引擎针对“类似战狼电影”关键词的检索结果。如图 3 是腾讯视频针对电影战狼观看历史的推荐结果。通过对比图 2、图 3 不难发现，搜索引擎在用户提供检索关键词的基础上被动展示相关信息给用户。而推荐系统则依据用户历史行为主动提供有针对性的个性化服务[8]。
【参考文献】：
期刊论文
[1]一种融合聚类与用户兴趣偏好的协同过滤推荐算法[J]. 何明,孙望,肖润,刘伟世. 计算机科学. 2017(S2)
[2]基于用户对项目属性偏好的协同过滤算法[J]. 王明佳,韩景倜. 计算机工程与应用. 2017(06)
[3]基于人口统计学的改进聚类模型协同过滤算法[J]. 王媛媛,李翔. 计算机科学. 2017(03)
[4]第39次《中国互联网络发展状况统计报告》发布我国网民达7.3亿[J]. 沈金萍. 传媒. 2017(03)
[5]一种改进的基于内容的个性化推荐模型[J]. 闫东东,李红强. 软件导刊. 2016(04)
[6]一种结合关联规则的协同过滤推荐算法[J]. 陈平华,陈传瑜,洪英汉. 小型微型计算机系统. 2016(02)
[7]基于项目的协同过滤推荐算法的改进[J]. 黄典. 中国科技信息. 2016(01)
[8]大数据专题前言[J]. 孟小峰,高宏. 软件学报. 2014(04)
[9]基于联合聚类平滑的协同过滤算法[J]. 韦素云,肖静静,业宁. 计算机研究与发展. 2013(S2)
[10]基于用户聚类的异构社交网络推荐算法[J]. 陈克寒,韩盼盼,吴健. 计算机学报. 2013(02)
博士论文
[1]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学 2013
[2]基于用户兴趣建模的推荐方法及应用研究[D]. 刘淇.中国科学技术大学 2013
硕士论文
[1]基于J2EE轻量级框架的能源管理系统设计与实现[D]. 马研.南昌大学 2018
[2]中职学校交互式动画点播平台的设计与实现[D]. 江莎.天津大学 2017
[3]协同过滤算法中的相似度计算与用户兴趣变化问题研究及应用[D]. 邱璐.北京邮电大学 2015
[4]基于用户兴趣的个性化推荐系统的研究与设计[D]. 杨麟儿.北京交通大学 2008
本文编号：3385808
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3385808.html
