基于动态K近邻和多权值的Slope One推荐算法研究

发布时间：2021-04-26 04:26

　　互联网和信息技术的快速发展满足了人们对信息的需求,但人们在享受其带来便利的同时,也面临着信息过载的问题。为了解决这一问题,推荐系统应运而生,并在电影、社交、电子商务等多个领域得到了广泛的应用。推荐算法作为推荐系统的核心,近年来一直是研究的热点,其中应用最广泛和成功的是协同过滤推荐算法。加权Slope One算法作为一种基于项目的协同过滤,其采用线性回归进行评分预测,简单、高效且易于实现,被广泛研究。然而该算法无差别对待所有用户数据,且未深入考虑用户或项目间的联系,其评分预测过程存在一定缺陷。因此,本文对此展开研究,具体的研究工作和创新点如下:1.针对加权Slope One算法在计算项目间评分偏差时,考虑了所有共同评分的用户,难免会引入大量干扰数据影响预测结果的问题,本文提出一种改进的基于动态K近邻的加权Slope One算法。首先,在修正余弦相似度的基础上引入平衡因子、时间权重和热门项目惩罚因子,并与欧几里得相似度进行组合来优化近邻度量方法。然后,设置用户相似度阈值和近邻数,以双重阈值的方式对近邻选择方法进行改进。最后,采用改进的动态K近邻方法筛选近邻用户集,以保证只有与目标用户偏好相... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容
    1.4 论文的组织结构
第2章 推荐系统和相关理论技术
    2.1 推荐系统
        2.1.1 推荐系统概述
        2.1.2 推荐系统主要算法
    2.2 协同过滤推荐算法
        2.2.1 基于用户的协同过滤推荐算法
        2.2.2 基于项目的协同过滤推荐算法
        2.2.3 基于模型的协同过滤推荐算法
        2.2.4 协同过滤推荐算法存在的问题
    2.3 传统Slope One算法
        2.3.1 Slope One算法
        2.3.2 加权Slope One算法
        2.3.3 双极性Slope One算法
        2.3.4 加权Slope One算法的优缺点
        2.3.5 加权Slope One算法的改进策略
    2.4 传统近邻方法
        2.4.1 近邻度量方法及缺陷
        2.4.2 近邻选择方法及缺陷
    2.5 本章小结
第3章 基于动态K近邻的加权Slope One算法
    3.1 问题提出及解决思路
    3.2 改进的动态K近邻方法
        3.2.1 改进的近邻度量方法
        3.2.2 改进的近邻选择方法
    3.3 基于动态K近邻的加权Slope One算法的计算公式
    3.4 算法流程及描述
    3.5 本章小结
第4章 基于动态K近邻和多权值的Slope One算法
    4.1 问题提出及解决思路
    4.2 用户相似度权重
    4.3 用户信任度权重
        4.3.1 用户活跃度
        4.3.2 用户评分公正度
    4.4 项目相似度权重
        4.4.1 项目评分相似度
        4.4.2 项目属性相似度
    4.5 基于动态K近邻和多权值的Slope One算法的计算公式
    4.6 算法流程及描述
    4.7 本章小结
第5章 实验结果与分析
    5.1 实验环境配置
    5.2 实验数据集
    5.3 实验评估指标
    5.4 基于动态K近邻的加权Slope One算法实验分析
        5.4.1 传统用户相似度计算方法的实验对比分析
        5.4.2 算法中参数的实验分析
        5.4.3 本文提出改进算法的实验对比分析
    5.5 基于动态K近邻和多权值的Slope One算法实验分析
        5.5.1 传统项目相似度计算方法的实验对比分析
        5.5.2 算法中参数的实验分析
        5.5.3 本文提出改进算法的实验对比分析
    5.6 本章小结
第6章 总结与展望
    6.1 论文总结
    6.2 工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3160734