基于评分矩阵的推荐算法研究

发布时间：2017-07-01 12:15

  本文关键词：基于评分矩阵的推荐算法研究，，由笔耕文化传播整理发布。

【摘要】：由于评分数据源的规模不断增长,在数据信息推荐的过程中,计算时间以及精度方面的问题亟待解决,提高推荐结果的精确度以及降低误差率,在推荐系统方面是很有意义的。在文中进行了相关的研究,主要做的工作有以下3个方面。第一,文中在数据实验的基础上,得出基于用户的协同过滤推荐算法(User Collaborative filtering recommendation algorithm,UserCF)和基于物品的协同过滤推荐算法(Item Collaborative filtering recommendation algorithm,ItemCF)的特性,并针对评分矩阵数据集中的用户量和物品量的变化趋势采用以上两种过滤算法进行实验分析。结果表明,根据评分数据特征选择合适的过滤算法,能够使算法的效率更高,更好的达到推荐的目的。第二,在C++语言的环境下编写程序,以评分矩阵为数据源,计算UserCF和ItemCF算法在不同K值下的准确率、召回率、覆盖率和新颖度值,通过四个评测指标的实验来验证UserCF和ItemCF算法的特点。通过数据实验和经验总结法,分析UserCF和ItemCF的算法特征。根据UserCF和ItemCF算法的特点,分析了适用于不同场景的推荐算法的性能,提出了基于评分矩阵的推荐算法。第三,通过计算MAE的值来确定文中算法的误差率和精确度。完成基于MovieLens评分数据的实验并得出结论,根据矩阵特征来先判断使用何种算法,然后计算相似度并进行推荐,能达到理想的推荐效果,且时间复杂度有所降低。
【关键词】：信息推荐 评分矩阵 协同过滤
【学位授予单位】：重庆师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 中文摘要5-6
• 英文摘要6-9
• 1 绪论9-13
• 1.1 研究背景与研究意义9-10
• 1.2 推荐系统概述10-12
• 1.2.1 推荐系统现状概述10-11
• 1.2.2 推荐系统研究成果概述11-12
• 1.2.3 推荐系统面临问题概述12
• 1.3 文章的结构安排12-13
• 2 推荐系统及算法分析13-23
• 2.1 推荐系统概述13-14
• 2.2 推荐系统的总体框架14-16
• 2.3 推荐系统算法分类16-21
• 2.3.1 协同过滤推荐算法16-18
• 2.3.2 基于内容推荐18-19
• 2.3.3 基于关联规则推荐19
• 2.3.4 基于知识推荐19-20
• 2.3.5 基于标签的推荐系统20
• 2.3.6 组合推荐20-21
• 2.4 推荐系统的未来研究趋势21-22
• 2.5 本章小结22-23
• 3 协同过滤算法及评测指标23-37
• 3.1 协同过滤算法概述23-26
• 3.1.1 协同过滤算法的工作原理24
• 3.1.2 协同过滤的研究内容24-26
• 3.2 基于用户的协同过滤算法的应用26-29
• 3.3 基于物品的协同过滤算法的应用29-31
• 3.4 评测指标研究及实验31-36
• 3.4.1 准确率32-33
• 3.4.2 召回率33
• 3.4.3 覆盖率33
• 3.4.4 新颖度33-34
• 3.4.5 各评测指标的实现34-36
• 3.5 本章小结36-37
• 4 基于评分矩阵的推荐算法37-49
• 4.1 试验数据与评分矩阵37-38
• 4.2 算法的度量标准38-40
• 4.3 推荐算法的改进40-42
• 4.4 实验设计和结果分析42-48
• 4.4.1 实验设计43-45
• 4.4.2 评分的预测误差值45-47
• 4.4.3 实验结果分析47-48
• 4.5 本章小结48-49
• 5 总结及展望49-51
• 5.1 本文工作总结49
• 5.2 未来工作展望49-51
• 参考文献51-54
• 附录A54-55
• 致谢55

【相似文献】

中国期刊全文数据库 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q

本文编号：505889