基于协同过滤的个性化推荐算法研究及应用

发布时间：2021-09-19 04:42

　　互联网、电子商务的迅猛发展满足了人们多方面的需求,人们在日常生活中经常和海量数据打交道,如何在铺天盖地的数据中获取有用的信息,这是一个有研究价值的问题。随之而来出现了协同过滤推荐系统,协同过滤推荐算法是协同过滤推荐系统的灵魂,它考虑了用户和商品的关系,主动为用户推荐商品,但忽略了用户间可能存在的联系,同时存在冷启动、数据稀疏等问题。另外,评分预测是推荐系统的重要环节,通常在给用户推荐物品时先预测用户对物品的评分,预测评分越贴近实际评分,推荐的结果越好。传统的评分预测算法得到的评分和真实评分差距悬殊。因此本文对基于用户的协同过滤算法和基于电影的评分预测算法做了进一步的研究,主要的研究工作及取得的成果如下:（1）提出一种改进的基于用户的协同过滤算法,它利用用户所购买的商品求出用户间的相似度,接着利用地理位置这个属性计算出用户位置间的相似度,然后把二者加权求和得到最终的相似度,对相似度进行降序排序,找出相似度最大的前N个用户作为该用户的邻居用户,并为该用户推荐商品。该算法提高了推荐的准确率和召回率,当用户是新增用户或评分数据较少时,传统的协同过滤无法进行推荐,而改进的算法可以通过地理位置来为... 

【文章来源】：五邑大学广东省

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文工作
    1.4 本文结构
2 推荐系统及协同过滤推荐算法简介
    2.1 推荐系统
    2.2 协同过滤推荐算法
    2.3 常用相似度
        2.3.1 余弦相似度
        2.3.2 Jaccard相似度
        2.3.3 Pearson相似度
    2.4 推荐算法评价指标
        2.4.1 准确率
        2.4.2 召回率
        2.4.3 平均绝对误差
    2.5 本章小结
3 基于用户的协同过滤推荐算法的改进
    3.1 基于用户的协同过滤算法
    3.2 协同过滤算法的改进
    3.3 两个协同过滤推荐算法的实验结果对比及分析
        3.3.1 实验设计
        3.3.2 实验结果对比及分析
    3.4 本章小结
4 基于电影评分预测的协同过滤推荐算法
    4.1 传统的评分预测方法
        4.1.1 相似度的计算
        4.1.2 评分预测
    4.2 基于用户自画像的评分预测推荐算法
        4.2.1 用户自画像相似度
        4.2.2 确定用户自画像相似度的权重
        4.2.3 组合相似度并预测评分
    4.3 实验过程及结果
        4.3.1 数据集及环境
        4.3.2 数据预处理及实验步骤
        4.3.3 实验结果对比分析
    4.4 本章小结
5 协同过滤推荐系统的设计及实现
    5.1 协同过滤推荐系统需求分析
    5.2 协同过滤推荐系统的设计
        5.2.1 协同过滤推荐系统的整体设计
        5.2.2 系统功能设计
        5.2.3 系统数据库设计
    5.3 系统环境及运行界面
        5.3.1 系统实现环境
        5.3.2 实现的系统功能
        5.3.3 系统测试分析
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果



本文编号：3401037