基于用户行为协同过滤推荐算法

发布时间：2017-08-03 22:02

  本文关键词：基于用户行为协同过滤推荐算法

  更多相关文章： 协同过滤 聚类 降维 游戏道具 推荐算法

【摘要】：随着互联网的更加普及和信息科技的快速发展,我们已经迈入到信息过载的时代,游戏行业产生的数据同样成指数级别增长。游戏中提供的道具信息量快速增加,用户经常会迷失在大量的道具信息中,无法准确快速地找到自己需要的道具,对道具推荐系统的需求越来越迫切。推荐系统扮演了售货员的角色,通过向用户推荐道具,帮助用户顺利购买到自己需要的道具。推荐系统具有良好的发展及应用前景,未来将吸引越来越多的关注。协同过滤是目前应用最为广泛的推荐系统技术之一,根据计算角度不同将其归纳为基于用户的协同过滤和基于项目的协同过滤两种算法。与传统的基于内容的协同过滤单纯通过计算相似度给出推荐结果不同,以上两种协同过滤算法重点关注用户和项目的关联关系,将具有相同兴趣偏好的相似用户对项目的偏爱程度,生成推荐列表,推荐给用户。在使用协同过滤时,仍然有一些问题尚待解决：当面对超大规模数据时,协同过滤算法面临着数据稀疏、推荐精度和扩展性等问题。针对上述问题,结合游戏行业背景,本文提出了一种改进的协同过滤算法——基于用户行为的游戏道具推荐算法。首先,我们使用因子分析对用户行为原始数据做降维处理,得到若干个不相关的复合属性。根据降维得到的用户属性,使用k-means聚类算法对用户进行分类,得到k个相似用户的集合。接下来,使用改进的协同过滤技术生存推荐集合。协同过滤模块包括两个步骤：第一步,提取购买相同项目类别道具的用户-项目类别矩阵；第二步,使用Jaccard距离公式计算道具和道具类别的相似度；第三步,生成推荐列表,取前N项推荐给用户。最后,以传统的基于项目的协同过滤算法做对比实验,验证本文提出的基于用户行为的游戏道具推荐算法的优化效果。在本算法中,使用因子分析对数据降维,提高矩阵密度；通过将用户的推荐计算限定在相似用户集合中进行,有效地解决了算法的可扩展性问题；由于有相同道具感兴趣的用户具有相似的用户行为,故而提高了推荐的精度。
【关键词】：协同过滤 聚类 降维 游戏道具 推荐算法
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-12
• 1 绪论12-14
• 1.1 研究背景及意义12
• 1.2 国内外研究现状12-13
• 1.3 本文研究内容13-14
• 2 游戏行业推荐系统14-29
• 2.1 游戏行业简介14
• 2.2 推荐系统简介14-15
• 2.3 协同过滤推荐15-22
• 2.3.1 协同过滤算法组成模块16
• 2.3.2 协同过滤工作流程16-18
• 2.3.3 协同过滤推荐18-21
• 2.3.4 协同过滤面临的挑战21-22
• 2.4 其他常用推荐算法22-26
• 2.4.1 基于内容的推荐算法22-24
• 2.4.2 基于图的推荐算法24-25
• 2.4.3 贝叶斯网络25
• 2.4.4 聚类25-26
• 2.5 推荐系统测评标准26-28
• 2.5.1 误差标准26
• 2.5.2 命中率标准26-27
• 2.5.3 其他标准27-28
• 2.6 本章小结28-29
• 3 基于用户行为的游戏道具推荐算法29-36
• 3.1 优化背景及目标29
• 3.1.1 优化背景29
• 3.1.2 优化目标29
• 3.2 改进的协同过滤推荐系统29-30
• 3.2.1 新算法的提出29-30
• 3.3 推荐系统框架设计30-31
• 3.4 改进的推荐算法31-35
• 3.4.1 推荐算法组成模块31-33
• 3.4.2 算法设计和说明33-35
• 3.5 本章小结35-36
• 4 实验设计和结果分析36-49
• 4.1 实验数据36
• 4.2 实验设计36-37
• 4.2.1 度量标准36-37
• 4.2.2 实验方案37
• 4.3 实验过程37-46
• 4.4 实验结果46-48
• 4.5 实验结果分析48
• 4.6 本章小结48-49
• 5 总结与展望49-50
• 5.1 本文总结49
• 5.2 工作展望49-50
• 参考文献50-54
• 致谢54-55
• 在学校期间发表的学术论文及其他科研成果55

【参考文献】

中国期刊全文数据库 前4条

1 吴毅涛;张兴明;王兴茂;李晗;;基于用户模糊相似度的协同过滤算法[J];通信学报;2016年01期

2 欧阳剑;曹红兵;;基于联机公共检索目录的读者隐性信息行为个性化书目推荐引擎构建[J];情报理论与实践;2012年11期

3 王国霞;刘贺平;;个性化推荐系统综述[J];计算机工程与应用;2012年07期

4 张猛,王大玲,于戈;一种基于自动阈值发现的文本聚类方法[J];计算机研究与发展;2004年10期

中国博士学位论文全文数据库 前1条

1 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年

中国硕士学位论文全文数据库 前1条

1 王霞;协同过滤在电子商务推荐系统中的应用研究[D];河海大学;2003年

，

本文编号：616501