基于用户行为反馈的推荐算法的研究
发布时间：2021-09-13 17:33
随着计算机技术的不断发展,每天都有海量的信息持续更新和增加,面对互联网上纷杂的数据,人们通常难以从其中找到自己真正需要的信息资源,推荐算法因此被提出。推荐算法能够根据用户以往的行为及评分预测出用户偏好,针对当前用户生成一个独一无二的推荐列表,主动引导用户对信息的发现。目前大部分的推荐算法利用的都是用户的显式反馈（比如评分）,但这些显式反馈收集难度大且真实性无法保证。实际上,探究用户对物品的兴趣还可以依靠存在Web日志中的大量隐式反馈。就电商平台而言,用户从搜索到下单必然产生许多中间数据——点击、浏览、关注、收藏、加购等等,这些行为数据在未被用户察觉的情况下收集,能够真实可靠地反映用户兴趣,且这些行为数据能够实时更新,因此基于用户行为的推荐算法具有重要的研究价值。本文对推荐算法国内外发展现状、常用数据集以及测评指标进行了充分的调研,并分析了现有研究成果的不足,开展了如下工作:（1）要利用行为数据进行推荐,首先要建立起用户行为与用户兴趣间的联系,将用户行为量化表示,这需要对用户行为进行深入理解与分析,准确挖掘行为和兴趣间的隐含关系。一般的算法都是直接人为地给用户行为赋予分数,这种方法十分粗...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－１推荐算法分类??Ｆｉｇ．２－１?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｒｅｃｏｍｍｅｎｄｅｄ?ａｌｇｏｒｉｔｈｍｓ??
比如商品类别、价格，然后找到最相似的几个物品，把它们归为一类，??一旦有用户购买其中一个商品，系统就会推荐该用户尝试购买这一类中的其他商??品。图２－３为基于内容的推荐算法示例图：??—喜欢一＂舒缓曰■音乐＼??用户Ａ?推荐??似??＼?音乐２?Ｖ??舒缓轻音乐??＼???／??警－喜欢＾［摇Ｈ?：??用户Ｂ??图２－３基于内容的推荐算法示例图??Ｆｉｇ．２－３?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??１０??
３０岁?＾＾??图２－２基于人口统计学推荐算法示意图??Ｆｉｇ．２－２?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｄｅｍｏｇｒａｐｈｉｃ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??该算法利用了用户的个人信息数据，而通常情况下这些数据是在用户注册该??系统时收集到的，因此即使没有用户的历史评分也可以使用该算法进行推荐。且??该算法的计算不依赖于其他因素，所以算法的移植性好。其缺点是算法思想过于??简单，不能只通过两个用户自身条件相似，就简单判断其兴趣也相似，所以不可??避免地会造成推荐结果并不理想。??２．３基于内容的推荐算法??与２．２节中介绍的算法类似，此类算法一切出发点在于物品。它比较了每个物??品的属性，比如商品类别、价格，然后找到最相似的几个物品，把它们归为一类，??一旦有用户购买其中一个商品，系统就会推荐该用户尝试购买这一类中的其他商??品。图２－３为基于内容的推荐算法示例图：??
【参考文献】：
期刊论文
[1]一种融合用户与项目属性的协同过滤算法的设计与实现[J]. 陶志勇,崔新新. 计算机应用与软件. 2019(02)
[2]信任社交网络中基于图熵的个性化推荐算法[J]. 蔡永嘉,李冠宇,关皓元. 计算机应用. 2019(01)
[3]国内外大数据推荐算法领域前沿动态研究[J]. 陈军,谢卫红,陈扬森. 中国科技论坛. 2018(01)
[4]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)
[5]一种改进的top-N协同过滤推荐算法[J]. 肖文强,姚世军,吴善明. 计算机应用研究. 2018(01)
[6]基于内容的推荐与协同过滤融合的新闻推荐方法[J]. 杨武,唐瑞,卢玲. 计算机应用. 2016(02)
[7]基于隐式用户反馈数据流的实时个性化推荐[J]. 王智圣,李琪,汪静,印鉴. 计算机学报. 2016(01)
[8]基于近邻关系的个性化推荐算法研究[J]. 李慧,胡云,李存华,王霞. 计算机工程与应用. 2012(36)
[9]协同过滤推荐算法[J]. 吴月萍,郑建国. 计算机工程与设计. 2011(09)
[10]基于协同过滤与划分聚类的改进推荐算法[J]. 吴泓辰,王新军,成勇,彭朝晖. 计算机研究与发展. 2011(S3)
博士论文
[1]基于位置的移动社会化网络推荐技术研究[D]. 刘树栋.北京邮电大学 2015
硕士论文
[1]基于用户关系的矩阵分解推荐算法研究[D]. 张志绮.北京交通大学 2016
[2]基于用户行为的个性化推荐算法研究[D]. 王聪.哈尔滨工业大学 2015
[3]基于关联规则的推荐算法研究与应用[D]. 邓先箴.华东师范大学 2010
本文编号：3395045
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－１推荐算法分类??Ｆｉｇ．２－１?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｒｅｃｏｍｍｅｎｄｅｄ?ａｌｇｏｒｉｔｈｍｓ??
比如商品类别、价格，然后找到最相似的几个物品，把它们归为一类，??一旦有用户购买其中一个商品，系统就会推荐该用户尝试购买这一类中的其他商??品。图２－３为基于内容的推荐算法示例图：??—喜欢一＂舒缓曰■音乐＼??用户Ａ?推荐??似??＼?音乐２?Ｖ??舒缓轻音乐??＼???／??警－喜欢＾［摇Ｈ?：??用户Ｂ??图２－３基于内容的推荐算法示例图??Ｆｉｇ．２－３?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??１０??
３０岁?＾＾??图２－２基于人口统计学推荐算法示意图??Ｆｉｇ．２－２?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｄｅｍｏｇｒａｐｈｉｃ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??该算法利用了用户的个人信息数据，而通常情况下这些数据是在用户注册该??系统时收集到的，因此即使没有用户的历史评分也可以使用该算法进行推荐。且??该算法的计算不依赖于其他因素，所以算法的移植性好。其缺点是算法思想过于??简单，不能只通过两个用户自身条件相似，就简单判断其兴趣也相似，所以不可??避免地会造成推荐结果并不理想。??２．３基于内容的推荐算法??与２．２节中介绍的算法类似，此类算法一切出发点在于物品。它比较了每个物??品的属性，比如商品类别、价格，然后找到最相似的几个物品，把它们归为一类，??一旦有用户购买其中一个商品，系统就会推荐该用户尝试购买这一类中的其他商??品。图２－３为基于内容的推荐算法示例图：??
【参考文献】：
期刊论文
[1]一种融合用户与项目属性的协同过滤算法的设计与实现[J]. 陶志勇,崔新新. 计算机应用与软件. 2019(02)
[2]信任社交网络中基于图熵的个性化推荐算法[J]. 蔡永嘉,李冠宇,关皓元. 计算机应用. 2019(01)
[3]国内外大数据推荐算法领域前沿动态研究[J]. 陈军,谢卫红,陈扬森. 中国科技论坛. 2018(01)
[4]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)
[5]一种改进的top-N协同过滤推荐算法[J]. 肖文强,姚世军,吴善明. 计算机应用研究. 2018(01)
[6]基于内容的推荐与协同过滤融合的新闻推荐方法[J]. 杨武,唐瑞,卢玲. 计算机应用. 2016(02)
[7]基于隐式用户反馈数据流的实时个性化推荐[J]. 王智圣,李琪,汪静,印鉴. 计算机学报. 2016(01)
[8]基于近邻关系的个性化推荐算法研究[J]. 李慧,胡云,李存华,王霞. 计算机工程与应用. 2012(36)
[9]协同过滤推荐算法[J]. 吴月萍,郑建国. 计算机工程与设计. 2011(09)
[10]基于协同过滤与划分聚类的改进推荐算法[J]. 吴泓辰,王新军,成勇,彭朝晖. 计算机研究与发展. 2011(S3)
博士论文
[1]基于位置的移动社会化网络推荐技术研究[D]. 刘树栋.北京邮电大学 2015
硕士论文
[1]基于用户关系的矩阵分解推荐算法研究[D]. 张志绮.北京交通大学 2016
[2]基于用户行为的个性化推荐算法研究[D]. 王聪.哈尔滨工业大学 2015
[3]基于关联规则的推荐算法研究与应用[D]. 邓先箴.华东师范大学 2010
本文编号：3395045
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3395045.html
