基于新增用户和评分的推荐系统研究

发布时间：2022-11-05 16:42

　　计算机和互联网的快速发展改变了人们的生活方式。从前,人们在现实中进行日常生活交流。现在,人们在互联网上进行社交生活。互联网的普及和应用使互联网记录了大量的数据,海量的数据使得人们难以快速选择出自己感兴趣的信息,这就是“信息超载”问题。作为一种信息过滤工具,推荐系统因其为用户提供准确和个性化的推荐得到了广泛的应用。如今,使用推荐系统的用户数量越来越多,如果一个没有任何历史行为数据的新用户进入推荐系统,该如何使其获得推荐以及如何对其进行评分预测?对于考虑时间信息的基于网络推荐系统存在新用户无法推荐问题,本文研究了在网络中新增用户节点对推荐效果影响。进一步,使用上述研究结果在评分矩阵为新用户填充评分,本文研究了填充评分对新用户评分预测的影响。本文主要工作如下:（1）在考虑时间信息的基于网络推荐系统中,测试集中有一部分用户不存在于训练集中,本文视这部分用户为新用户。为了使新用户获得推荐,本文提出在训练集用户-对象二分网络中添加虚拟新用户节点,并为新用户添加连边。针对新用户连边添加问题,本文提出三种方案:第一种是与训练集中小度用户连接到的对象相连接,小度用户是从度属于1至20的所有用户中随机选取... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景
    1.2 课题研究意义
    1.3 国内外研究现状
    1.4 本文主要内容以及文章结构安排
        1.4.1 本文主要内容
        1.4.2 文章结构安排
第2章 协同过滤算法以及推荐系统评价指标介绍
    2.1 基于用户的协同过滤算法
        2.1.1 基于UCF的评分预测
        2.1.2 基于UCF的TopN推荐
    2.2 基于对象的协同过滤算法
        2.2.1 基于ICF的评分预测
        2.2.2 基于ICF的TopN推荐
    2.3 新用户冷启动
    2.4 推荐系统评价指标介绍
        2.4.1 用户满意度
        2.4.2 预测准确度
        2.4.3 推荐多样性
        2.4.4 推荐新颖性
        2.4.5 推荐系统其他评测指标
    2.5 本章小结
第3章 基于新增用户节点的个性化推荐
    3.1 引言
    3.2 基于新增虚拟用户节点的网络推荐算法
        3.2.1 基于二分网络模型介绍
        3.2.2 考虑时间信息的基于二分网络模型介绍
        3.2.3 新增虚拟用户的网络推荐模型
        3.2.4 基于网络结构的推荐算法
    3.3 数据集介绍
    3.4 评价指标
    3.5 结果分析
        3.5.1 基于新增虚拟用户的算法对所有用户的推荐
        3.5.2 基于新增虚拟用户节点算法对新用户的推荐
    3.6 本章小结
第4章 基于新增评分的评分预测
    4.1 引言
    4.2 基于新增评分的评分预测算法
        4.2.1 基于新增评分的协同过滤评分预测
        4.2.2 基于新增评分的SOREC评分预测
    4.3 数据集与评价指标介绍
        4.3.1 数据集介绍
        4.3.2 评价指标介绍
    4.4 结果分析
    4.5 本章小结
第5章 总结与展望
    5.1 研究工作总结
    5.2 研究工作展望
参考文献
攻读硕士期间论文发表情况
致谢


【参考文献】：
期刊论文
[1]信息超载综述[J]. 周玲.  图书情报工作. 2001(11)



本文编号：3702962