受限玻尔兹曼机与加权Slope One混合推荐算法研究

发布时间：2022-12-22 19:57

　　推荐系统是解决信息过载问题的一个重要手段,然而推荐系统长期面临着数据稀疏性以及冷启动等问题。造成这些问题的主要原因有以下两个方面:一方面,推荐算法存在模型上的局限,难以对稀疏数据进行处理;另一方面,推荐算法的参照角度比较单一,对系统中有效信息的挖掘不够充分,造成冷启动问题,并影响推荐效果。混合推荐算法是目前推荐系统领域的主要研究方向,通过对推荐算法或模型的组合,能一定程度地弥补单一模型存在的缺陷,有效缓解数据稀疏性与冷启动问题。针对以上两方面问题,从混合推荐的角度出发,首先为了弥补推荐模型的局限性,提出一种融合受限玻尔兹曼机与加权Slope One算法的混合推荐系统,使用基于项目与用户的实值受限玻尔兹曼机对评分矩阵进行初步填充,在填充完整的评分矩阵上使用加权Slope One算法对评分进行预测,以缓解Slope One算法的数据稀疏性问题。其次,针对传统推荐算法未考虑辅助信息对评分的影响,在加权Slope One的权值计算中,针对传统相似度计算方法角度单一的问题,在评分相似度的基础上引入项目类别属性信息,提出一种基于项目的混合相似度计算方法。另外,针对冷启动问题,提出一种基于项目类别相... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 研究内容与主要工作
    1.4 论文的组织结构
2 相关知识介绍
    2.1 推荐系统简介
    2.2 推荐系统分类
    2.3 推荐系统相关方法
    2.4 推荐系统的评价指标
    2.5 本章小结
3 受限玻尔兹曼机与加权Slope One混合推荐算法
    3.1 引言
    3.2 基于受限玻尔兹曼机的矩阵填充算法
    3.3 使用混合项目相似度的加权Slope One算法
    3.4 基于项目属性相似度的评分填充方法
    3.5 受限玻尔兹曼机与加权Slope One混合推荐算法
4 实验与分析
    4.1 数据集及实验方法
    4.2 评估方法
    4.3 实验环境
    4.4 基于混合相似度的加权Slope One算法实验
    4.5 受限玻尔兹曼机矩阵填充效果实验
    4.6 融合受限玻尔兹曼机与加权Slope One算法实验
5 结论与展望
参考文献
作者简历
学位论文数据集



本文编号：3723943