基于二部图资源分配的推荐系统研究
发布时间：2022-10-21 15:24
互联网的发展与科技的进步给人们生活带来了极大便利,但同时也带来了信息过载的问题。当前解决信息过载的手段主要是个性化推荐系统技术。其中,协同过滤推荐技术自其提出之日起就始终是人们研究的重点。为提高推荐系统的推荐准确性,许多学者通过引入新的影响因素或创新推荐模型来优化推荐系统。近年来,越来越多的学者借助于二部图理论对协同过滤模型进行优化。本文在二部图理论和协同过滤思想之上,进一步加入资源二次分配理论,构建了准确度较高的物品相似矩阵,进一步优化了协同过滤推荐技术。通过Movielens数据集的验证可知,改进后的推荐模型能够明显提高推荐准确率。本文的主要研究成果如下:（1）构建了低维度、高准确性的物品-分类模型。基于奇异值分解理论,将原始评分矩阵转化为物品在各个维度上的评分矩阵,每个维度可被视为物品的一个潜在分类。然后通过控制变量法对物品的潜在分类数进行了优化。通过对优化后的物品-分类矩阵进行分析可知,该分类结果是合理的,可以作为构建物品-分类二部图的基础。（2）构建了准确度较高的物品相似矩阵,优化了协同过滤算法。将所构建的物品-分类矩阵映射为物品-分类二部图,然后将物品对分类的评分转换为二部...
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究综述
1.2.1 国外研究进展
1.2.2 国内研究进展
1.3 研究内容和方法
1.3.1 研究内容
1.3.2 研究方法与技术路线图
1.4 创新点
第二章 相关理论基础
2.1 二部图相关理论及二部图推荐算法梳理
2.1.1 二部图基本理论
2.1.2 二部图常用算法
2.2 协同过滤推荐算法分析
2.2.1 协同过滤推荐系统基本概念
2.2.2 基于用户的协同过滤算法建模
2.2.3 基于物品的协同过滤算法建模
2.3 资源二次分配理论分析
2.3.1 基于二部图的资源分配理论分析
2.3.2 基于二部图的资源二次分配过程分析
2.4 奇异值分解理论分析
2.4.1 奇异值分解基本理论
2.4.2 奇异值分解的应用
2.5 本章小结
第三章 基于二部图的协同过滤算法建模
3.1 建模过程
3.2 网络关系建模
3.2.1 基于奇异值分解的物品-分类模型构建
3.2.2 物品-分类二部图构建
3.3 基于资源二次分配的协同过滤算法
3.3.1 基于资源二次分配的相似矩阵构建
3.3.2 基于改进相似矩阵的协同过滤算法
3.3.3 算法复杂度分析
3.4 推荐系统评测指标的分析与选择
3.4.1 基于误差的评测指标分析
3.4.2 基于混淆矩阵的评测指标分析
3.5 本章小结
第四章 模型验证和结果分析
4.1 Movielens数据集介绍及预处理
4.2 筛选后的数据集分析
4.2.1 评分数据的频数频率分析
4.2.2 用户-电影评分矩阵热力图分析
4.3 推荐系统模型参数优化
4.3.1 物品分类数的优化和选择
4.3.2 最优近邻数的选择
4.3.3 物品-分类矩阵的合理性分析
4.3.4 相似矩阵的合理性分析
4.4 推荐结果分析与比较
4.4.1 推荐结果分析
4.4.2 topN推荐指标分析
4.4.3 评分预测指标分析
4.5 实践应用建议
4.6 本章小结
第五章 结论及展望
5.1 研究结论
5.2 研究展望
参考文献
致谢
附录A
附录B
【参考文献】：
期刊论文
[1]面向大数据的移动数字图书馆情境化推荐系统研究[J]. 刘海鸥,陈晶,孙晶晶,张亚明. 图书馆工作与研究. 2018(09)
[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]结合概率矩阵分解的混合型推荐算法[J]. 杨丰瑞,郑云俊,张昌. 计算机应用. 2018(03)
[4]基于差异路径权重的二部图网络推荐算法[J]. 高长元,段文彬,张树臣. 计算机应用研究. 2019(03)
[5]基于多权值的SlopeOne协同过滤算法[J]. 覃幸新,王荣波,黄孝喜,谌志群. 数据分析与知识发现. 2017(06)
[6]融合信任关系和用户项目二部图的推荐算法[J]. 陈平华,杨凯. 计算机工程与应用. 2018(04)
[7]数字图书馆推荐系统协同过滤算法改进及实证分析[J]. 朱白. 图书情报工作. 2017(09)
[8]融合社交网络特征的协同过滤推荐算法[J]. 郭宁宁,王宝亮,侯永宏,常鹏. 计算机科学与探索. 2018(02)
[9]重塑“媒介”:行动者网络中的新闻“算法”[J]. 姜红,鲁曼. 新闻记者. 2017(04)
[10]算法推送:信息私人定制的“个性化”圈套[J]. 郝雨,李林霞. 新闻记者. 2017(02)
本文编号：3695901
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究综述
1.2.1 国外研究进展
1.2.2 国内研究进展
1.3 研究内容和方法
1.3.1 研究内容
1.3.2 研究方法与技术路线图
1.4 创新点
第二章 相关理论基础
2.1 二部图相关理论及二部图推荐算法梳理
2.1.1 二部图基本理论
2.1.2 二部图常用算法
2.2 协同过滤推荐算法分析
2.2.1 协同过滤推荐系统基本概念
2.2.2 基于用户的协同过滤算法建模
2.2.3 基于物品的协同过滤算法建模
2.3 资源二次分配理论分析
2.3.1 基于二部图的资源分配理论分析
2.3.2 基于二部图的资源二次分配过程分析
2.4 奇异值分解理论分析
2.4.1 奇异值分解基本理论
2.4.2 奇异值分解的应用
2.5 本章小结
第三章 基于二部图的协同过滤算法建模
3.1 建模过程
3.2 网络关系建模
3.2.1 基于奇异值分解的物品-分类模型构建
3.2.2 物品-分类二部图构建
3.3 基于资源二次分配的协同过滤算法
3.3.1 基于资源二次分配的相似矩阵构建
3.3.2 基于改进相似矩阵的协同过滤算法
3.3.3 算法复杂度分析
3.4 推荐系统评测指标的分析与选择
3.4.1 基于误差的评测指标分析
3.4.2 基于混淆矩阵的评测指标分析
3.5 本章小结
第四章 模型验证和结果分析
4.1 Movielens数据集介绍及预处理
4.2 筛选后的数据集分析
4.2.1 评分数据的频数频率分析
4.2.2 用户-电影评分矩阵热力图分析
4.3 推荐系统模型参数优化
4.3.1 物品分类数的优化和选择
4.3.2 最优近邻数的选择
4.3.3 物品-分类矩阵的合理性分析
4.3.4 相似矩阵的合理性分析
4.4 推荐结果分析与比较
4.4.1 推荐结果分析
4.4.2 topN推荐指标分析
4.4.3 评分预测指标分析
4.5 实践应用建议
4.6 本章小结
第五章 结论及展望
5.1 研究结论
5.2 研究展望
参考文献
致谢
附录A
附录B
【参考文献】：
期刊论文
[1]面向大数据的移动数字图书馆情境化推荐系统研究[J]. 刘海鸥,陈晶,孙晶晶,张亚明. 图书馆工作与研究. 2018(09)
[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]结合概率矩阵分解的混合型推荐算法[J]. 杨丰瑞,郑云俊,张昌. 计算机应用. 2018(03)
[4]基于差异路径权重的二部图网络推荐算法[J]. 高长元,段文彬,张树臣. 计算机应用研究. 2019(03)
[5]基于多权值的SlopeOne协同过滤算法[J]. 覃幸新,王荣波,黄孝喜,谌志群. 数据分析与知识发现. 2017(06)
[6]融合信任关系和用户项目二部图的推荐算法[J]. 陈平华,杨凯. 计算机工程与应用. 2018(04)
[7]数字图书馆推荐系统协同过滤算法改进及实证分析[J]. 朱白. 图书情报工作. 2017(09)
[8]融合社交网络特征的协同过滤推荐算法[J]. 郭宁宁,王宝亮,侯永宏,常鹏. 计算机科学与探索. 2018(02)
[9]重塑“媒介”:行动者网络中的新闻“算法”[J]. 姜红,鲁曼. 新闻记者. 2017(04)
[10]算法推送:信息私人定制的“个性化”圈套[J]. 郝雨,李林霞. 新闻记者. 2017(02)
本文编号：3695901
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3695901.html
