基于矩阵分解与Slope One的电影推荐方法研究及应用

发布时间：2021-07-03 20:58

　　随着人们对互联网与信息技术的逐步接纳与学习,越来越多的人开始加入到互联网大军中。一方面人们依靠互联网使工作和生活更高效、便捷,另一方面互联网植根于这片肥沃的土壤中也得到了长足的发展。但近年来,随着互联网中信息量的急剧扩增,互联网已经由“信息匮乏”过渡到了“信息过载”的局面,这种现象导致人们不能合理使用、分配互联网上的巨大资源。“推荐系统”的问世可以很好的解决这一问题,但在研究和应用过程中发现其仍存在不足,因此如何使推荐系统的推荐结果质量更高、推荐效果更好是当前研究的重点。在电影推荐领域,一直以来都存在矩阵稀疏、覆盖率较低和稀疏矩阵中推荐准确度不高的问题。论文针对上述问题将Slope One算法与矩阵分解技术相结合出提出基于矩阵分解与Slope One的电影推荐算法（SKSO）,和基于矩阵分解与项目流行度的Slope One电影推荐算法（UCPPSO）。SKSO算法能有效解决稀疏矩阵中推荐准确度较低的问题,UCPPSO算法能有效解决由于马太效应影响造成的推荐准确度不足和覆盖率较低的问题。论文所做工作主要如下:1)对电影推荐展开调研,发现该领域对推荐算法在推荐准确度、覆盖率、多样性等方面的... 

【文章来源】：重庆理工大学重庆市

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

IMDB电影推荐界面

图 1.2 Netflix 电影推荐界面目前的研究多集中在推荐系统的理论和技术方面，但在实际应用方面成果，国内的一些影视类网站大都有属于其公司的电影推荐系统，比高的爱奇艺视频，优酷视频，乐视视频，搜狐影音等等。其中，爱奇从精确度和个性化程度来说都领先于同类网站，其推荐原理主要是协性化推荐技术，并根据用户的喜好和历史记录建立用户兴趣模型，综影片推荐，其根据用户观看历史进行推荐的界面如图 1.3。优酷的影常规的基于关联电影的推荐还有了基于用户个人行为[18-19]和影片标推荐，其推荐结果准确度也较高能够给用户带来较好的用户体验，其 1.4。而相比爱奇艺和优酷，乐视的电影推荐功能则略逊色一些，其用户历史记录中的影片或相似类型电影，没有真正意义上实现个性化荐如图 1.5 所示。

图 1.2 Netflix 电影推荐界面内目前的研究多集中在推荐系统的理论和技术方面，但在实际应用方面的成果，国内的一些影视类网站大都有属于其公司的电影推荐系统，比较高的爱奇艺视频，优酷视频，乐视视频，搜狐影音等等。其中，爱奇论从精确度和个性化程度来说都领先于同类网站，其推荐原理主要是协个性化推荐技术，并根据用户的喜好和历史记录建立用户兴趣模型，综行影片推荐，其根据用户观看历史进行推荐的界面如图 1.3。优酷的影了常规的基于关联电影的推荐还有了基于用户个人行为[18-19]和影片标的推荐，其推荐结果准确度也较高能够给用户带来较好的用户体验，其图 1.4。而相比爱奇艺和优酷，乐视的电影推荐功能则略逊色一些，其于用户历史记录中的影片或相似类型电影，没有真正意义上实现个性化推荐如图 1.5 所示。

【参考文献】：
期刊论文
[1]基尼加权回归分析:概念、方法及应用[J]. 戴平生.  统计研究. 2018(09)
[2]融合社交信息的矩阵分解推荐方法研究综述[J]. 刘华锋,景丽萍,于剑.  软件学报. 2018(02)
[3]融合主题模型和协同过滤的多样化移动应用推荐[J]. 黄璐,林川杰,何军,刘红岩,杜小勇.  软件学报. 2017(03)
[4]个性化推荐中的隐语义模型[J]. 王升升,赵海燕,陈庆奎,曹健.  小型微型计算机系统. 2016(05)
[5]基于标签权重评分的推荐模型及算法研究[J]. 孔欣欣,苏本昌,王宏志,高宏,李建中.  计算机学报. 2017(06)
[6]国外电影推荐系统网站研究与评述[J]. 孙海峰,甘明鑫,刘鑫,吴越.  计算机应用. 2013(S2)
[7]个性化推荐系统综述[J]. 王国霞,刘贺平.  计算机工程与应用. 2012(07)
[8]基于动态k近邻的SlopeOne协同过滤推荐算法[J]. 孙丽梅,李晶皎,孙焕良.  计算机科学与探索. 2011(09)
[9]不确定近邻的协同过滤推荐算法[J]. 黄创光,印鉴,汪静,刘玉葆,王甲海.  计算机学报. 2010(08)
[10]一种简便易用的基尼系数计算方法[J]. 张建华.  山西农业大学学报(社会科学版). 2007(03)

硕士论文
[1]基于SVD的协同过滤推荐算法研究[D]. 陈清浩.西南交通大学 2015
[2]基于矩阵分解的协同过滤推荐算法研究[D]. 刘凤林.南京理工大学 2015



本文编号：3263340