面向稀疏性数据的协同过滤推荐算法研究

发布时间：2021-01-03 06:52

　　随着智能互联网时代的到来,人们迫切需要一些技术手段从海量数据中自动快速地找到符合用户感兴趣的数据,个性化推荐技术就此诞生。协同过滤（Collaborative filtering,CF）算法是推荐技术中最成熟的技术之一。在面对日益增长的大规模用户和项目时,由于用户评分的有限性以及新用户和新项目的增加,CF算法还存在着一些问题亟需解决。针对CF算法自身存在的缺陷及现有问题解决方法的不足,本文对其进行深入研究,提出改进方案和措施,来实现更精准的推荐。CF算法通过对不同用户的历史记录来挖掘用户的偏好,然后基于不同的用户偏好利用相似度对用户进行群组划分,并推荐品位相似邻居喜欢的项目。由于CF算法大部分是基于单一的评分矩阵来度量相似性,而忽略了不同项目评分向量的分布特征以及共同评分过少的用户数对相似度计算的影响,同时未考虑评论文本的影响力、评分和评论的一致性以及文本中细粒度方面的情感得分多特征融合对用户兴趣度的影响。鉴于此,本文主要就该算法面临的数据稀疏性问题,对相似度和多特征融合方面进行了深入研究。具体本文主要做了以下工作:1.互信息的项目协同过滤推荐算法研究。相似度计算是CF算法的基础,而数... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图２．２基于项目的协同过滤推荐??（４）混合推荐算法（Ｈｙｂｒｉｄ?Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ＨＲ）??由于各种单一的推荐算法优缺点不同，为了弥补算法各自缺点，因此有学者??提出了混合推荐算法

标注：办理／ＶＶ退房／ＮＮ速度／ＮＮ很／ＡＤ快／ＶＡ?，?／ＰＵ房间／ＮＮ住着／Ｄ?舒服／ＶＡ。／ＰＵ??关系结果：??ｒｃｍｏｄ（速度－３，办理－１）??ｄｏｂｊ（办理－１，退房－２）??ｎｓｕｂｊ（快－５，速度－３）??ａｄｖｍｏｄ（快－５，很－４）??ｒｏｏｔ（ＲＯＯＴ－０，快－５）??ｎｎ（住着－８，房间－＊７）??ｎｓｕｂｊ（舒服－１０，住着－８）??ａｄｖｍｏｄ（舒服－１０，挺－９）??ｄｅｐ（快－５，舒服－１０）??分析树：??ＲＯＯＴ??

徽大学硕士学位论文?第三章互信息的项目协同过滤推荐算法??（１）数据的分布特征??对于不同的数据集或应用场景，其数据分布可能不同。如对任意两个项目／和??目＿／，所有用户对这两个项目的评分值向量分别为６，和（＾，而这两个向量的??分值分布可能并不相同。另外，考虑到不同的相似度方法可能适应于不同应用??景的数据分布。因此需要根据不同场景下数据的分布特征，选择一种合适的相??度计算方法，从而达到事半功倍的效果。图３．１为ＭｏｖｉｅＬｅｎｓｌＯＯｋ数据集评分??分布条形图。??

【参考文献】：
期刊论文
[1]基于信任关系和词相关关系的冷启动用户词特征重建[J]. 高亨德,王智强,李茹.  中文信息学报. 2018(05)
[2]使用深度长短时记忆模型对于评价词和评价对象的联合抽取[J]. 沈亚田,黄萱菁,曹均阔.  中文信息学报. 2018(02)
[3]评价对象抽取研究综述[J]. 蒋盛益,郭林东,王连喜,符斯慧.  自动化学报. 2018(07)
[4]基于情感分析和LDA主题模型的协同过滤推荐算法[J]. 彭敏,席俊杰,代心媛,何炎祥.  中文信息学报. 2017(02)
[5]基于短语句法结构和依存句法分析的情感评价单元抽取[J]. 王娟,曹树金,谢建国.  情报理论与实践. 2017(03)
[6]基于用户模糊相似度的协同过滤算法[J]. 吴毅涛,张兴明,王兴茂,李晗.  通信学报. 2016(01)
[7]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华.  软件学报. 2015(06)
[8]基于用户相似度的协同过滤推荐算法[J]. 荣辉桂,火生旭,胡春华,莫进侠.  通信学报. 2014(02)
[9]基于用户聚类的异构社交网络推荐算法[J]. 陈克寒,韩盼盼,吴健.  计算机学报. 2013(02)
[10]协同过滤推荐瓶颈问题综述[J]. 曹一鸣.  软件. 2012(12)

硕士论文
[1]基于用户画像的医疗信息精准推荐的研究[D]. 王智囊.电子科技大学 2016
[2]综合字典和统计分析的中文分词系统的研究与实现[D]. 李宏波.武汉理工大学 2010



本文编号：2954524