基于人工免疫的推荐算法研究

发布时间：2021-06-08 06:46

　　在当今大数据时代中,互联网高速发展带来了数据爆炸增长以及信息过载问题。推荐系统在提高信息搜索效率、更高效的发现用户感兴趣物品方面有重要意义。但传统推荐算法面临单类数据推荐效果差、稀疏数据及冷启动处理不完善等问题。本文借鉴了人工免疫系统的免疫识别、克隆选择、免疫变异和自适应等原理,以提高单类数据推荐效果、稀疏数据推荐效果、项目冷启动问题推荐效果为对象,论述了基于人工免疫的推荐算法。针对单类数据中只存在正样本,导致训练结果都是正性的问题。本文提出了一种基于人工免疫的单类推荐算法（OCAIS）,OCAIS算法通过本文所提出的正负样本添加方法,添加与用户选择相关的正负样本,据此来有效解决数据负样本难定义的问题,然后利用人工免疫网络对各活跃度的用户进行聚类,缩减候选邻居集大小,计算用户的最近邻居集并给出推荐。实验结果表明OCAIS算法在面对单类数据时,可以取得比其他传统单类问题推荐算法更好的推荐效果。针对传统矩阵分解算法对稀疏数据进行推荐时,常忽略分解前后相似性的关系的问题。本文提出一种融合相似性关系的矩阵分解推荐算法（KNNSMF）,该算法在分解过程中把用户相似性关系与矩阵分解算法相融合,明确... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

协同过滤推荐过程

4 基于图结构的推荐在此方面的推荐过程中，通过原始推荐数据可获得对应的二分图。其中节点表示用户用户和项目通过边连接起来，用户对项目的评分也就是边的权重。可以基于此图来实目的。表 2.1 原始矩阵 1 2 3 13 0 0 22 4 3 30 1 3 44 0 5用户和项目在推荐中需要进行重点考虑，在此分析过程中可设用户集为1 2{ , ,...,U u u 集为1 2{ , ,..., }nI i i i接着基于上表相关的评分矩阵来对这种算法的流程进行描述分析：第一步：确定出二分图，假设此系统中含有 m 个用户和 n 个项目，这样图中的节点数者之和，用户的评分也就是边的权重。基于上表确定的二分图，具体如下，其中的节。

基于人工免疫的推荐算法研究工免疫的单类推荐算法.1 得到了重构的单类样本。本小节利用人工免疫的原理及方法根。在我们本节算法中，我们将每个用户对项目的评分向量作为抗推荐算法寻找邻居集的流程类似于免疫系统中抗原抗体相互识别类推荐算法，在这里我们引入形态空间模型的概念。形态空间模相关的空间 S 中。这种空间中的各轴具体表现相关的测量方法态。可通过点 S(s S)表示，本文在此方面的研究过程中选择了字符。在此情况下相关的各个免疫细胞属性和对应的模型空间特征存在评价免疫系统的性能。在这种空间中，各抗原都设置了不同的位小的变化情况下，对应的抗原位置也会出现变化。而为实现准确空间中的面积应该满足要求。一个体积为 V 的区域存在于形态空间 S 内， X 是形状互补区域提为抗体能识别附近一定区间内满足一定的互补性要求的抗原决

【参考文献】：
期刊论文
[1]移动推荐系统及其应用[J]. 孟祥武,胡勋,王立才,张玉洁.  软件学报. 2013(01)
[2]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)
[3]基于混沌和免疫应答的增量聚类新算法[J]. 李向华,王钲旋,吕天阳,车翔玖.  自动化学报. 2010(02)
[4]协同过滤推荐算法综述[J]. 马宏伟,张光卫,李鹏.  小型微型计算机系统. 2009(07)
[5]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平.  软件学报. 2009(02)
[6]协同过滤系统项目冷启动的混合推荐算法[J]. 郭艳红,邓贵仕.  计算机工程. 2008(23)
[7]基于云模型的协同过滤推荐算法[J]. 张光卫,李德毅,李鹏,康建初,陈桂生.  软件学报. 2007(10)

硕士论文
[1]基于矩阵分解的协同过滤推荐算法研究[D]. 张川.吉林大学 2013
[2]Web挖掘技术在电子商务推荐系统中的研究与应用[D]. 谢静.广西大学 2011
[3]基于特征向量的个性化推荐算法研究[D]. 杜定宇.重庆大学 2011



本文编号：3217889