结合用户评分与属性兴趣的协同过滤推荐算法研究
发布时间：2021-11-05 09:57
随着科学技术和商业应用的快速进步,互联网已经进入了人们日常生活的各个角落。迅速普及的互联网给人们的生活带来了许多便利,与此同时对于如何利用互联网中庞大的数据更好的为人们服务的研究也从未停下脚步。推荐系统正是诞生于这样一个互联网数据爆炸的时代。推荐系统通过分析用户属性、用户历史行为以及被推荐项目的属性与内容等信息,发掘用户的兴趣,分析不同用户以及不同项目的特征,主动的向用户提供用户可能感兴趣的内容。对于用户而言,推荐系统是一种有效的发现内容的工具,其能够主动的提供用户感兴趣的内容却不需要额外的操作;对商家而言,推荐系统是一种有效的内容分发工具,可以将最合适的内容分发给最需要它的用户。在本文中,详细介绍了推荐系统的诞生与发展,对于多种当下热门的推荐算法的基本原理和实现过程进行了一个总结和归纳,比较了不同推荐算法的适用环境和他们的优缺点。其中基于协同过滤的推荐算法作为当前研究最多应用最广的推荐算法之一,在本文中做了详细介绍,并在后续的内容中针对协同过滤推荐算法存在的问题进行了深入研究并提出改进算法。不断地提高推荐精度和个性化程度是推荐系统研究的一个重要方向。本文在深入分析协同过滤推荐算法的原...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
优酷网的个性化视频推荐Fig.1.1YOuku、personali之edy记e
都是一种帮助用户在互联网中的海量信息中发现用户需要的信息的工具。但是和??搜索引擎不同的是，推荐系统不需要用户主动提供对应的关键字，而是通过分析??信息本身的内容（类别、价格、标题、年代等）和用户历史行为（点击、点赞、??评分、转发等），主动向用户提供满足用户需求或用户兴趣的信息。因此，在某??种程度上可以把推荐系统看作和搜索引擎互补的工具。用户通过搜索引擎根据需??求查找信息，推荐系统根据用户需求和兴趣主动提供信息。在学术界，推荐系统??的核心推荐算法有很高的科研价值，大量的学者在各种学术期刊和学术会议上发??表了不计其数的相关论文，在工业界，推荐系统更是深入到各个领域，是很多网??站和Ａｐｐ的必备功能。例如天猫、亚马逊等电商网站，优酷、ＱＱ音乐、Ｎｅｔｆｌｉｘ??等影音娱乐网站，饿了么、去哪网等生活服务类网站都使用了推荐系统向用户个??性化的提供服务。通过大量的使用推荐系统，一方面帮用户节约了获得信息的时??间，获得了意外的信息发现。另一方面也给这些网站带来了更多了流量和利润，??并且提高了用户黏性。??ＹＯＵＫＵ?辦狄听?ｊ？？儿：??
数据挖掘、人工智能、数学、社会学以及心理学等。将这些知识综合应用于推荐??系统，提升推荐系统性能，为用户提供更好的服务，是一件具有现实意义的工作。??如图２．１所示，这是一个推荐系统的结构简图。其中推荐算法模块是推荐系统的??核心。它接受一些相关信息，利用这些信息得出用户对不同项目的喜爱程度，将??其中最喜爱的Ｎ个推荐给用户。通常情况下，推荐算法模块接受的信息主要包??６??
【参考文献】：
期刊论文
[1]基于正相关和负相关最近邻居的协同过滤算法[J]. 徐怡,唐一民,王冉. 工程科学与技术. 2018(05)
[2]基于推荐系统时间敏感的因子模型算法研究[J]. 李忠武,王辉,魏再超. 电子商务. 2017(09)
[3]基于时间衰减的协同过滤推荐算法[J]. 董立岩,王越群,贺嘉楠,孙铭会,李永丽. 吉林大学学报(工学版). 2017(04)
[4]基于内容的推荐与协同过滤融合的新闻推荐方法[J]. 杨武,唐瑞,卢玲. 计算机应用. 2016(02)
[5]一种融合协同过滤和内容过滤的混合推荐方法[J]. 高虎明,赵凤跃. 现代图书情报技术. 2015(06)
[6]社会化推荐系统研究[J]. 孟祥武,刘树栋,张玉洁,胡勋. 软件学报. 2015(06)
[7]标志变异系数在统计分析中的作用[J]. 王立. 科技与企业. 2014(21)
[8]基于双重邻居选取策略的协同过滤推荐算法[J]. 贾冬艳,张付志. 计算机研究与发展. 2013(05)
[9]一种改进的基于二部图网络结构的推荐算法[J]. 王茜,段双艳. 计算机应用研究. 2013(03)
[10]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)
博士论文
[1]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学 2013
[2]基于商品属性的电子商务推荐系统研究[D]. 胡新明.华中科技大学 2012
硕士论文
[1]基于用户兴趣和主题模型的混合推荐算法的研究与实现[D]. 胡芳燚.北京邮电大学 2018
[2]基于用户行为的电子书籍推荐系统研究[D]. 张骥.安徽理工大学 2018
[3]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
本文编号：3477578
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
优酷网的个性化视频推荐Fig.1.1YOuku、personali之edy记e
都是一种帮助用户在互联网中的海量信息中发现用户需要的信息的工具。但是和??搜索引擎不同的是，推荐系统不需要用户主动提供对应的关键字，而是通过分析??信息本身的内容（类别、价格、标题、年代等）和用户历史行为（点击、点赞、??评分、转发等），主动向用户提供满足用户需求或用户兴趣的信息。因此，在某??种程度上可以把推荐系统看作和搜索引擎互补的工具。用户通过搜索引擎根据需??求查找信息，推荐系统根据用户需求和兴趣主动提供信息。在学术界，推荐系统??的核心推荐算法有很高的科研价值，大量的学者在各种学术期刊和学术会议上发??表了不计其数的相关论文，在工业界，推荐系统更是深入到各个领域，是很多网??站和Ａｐｐ的必备功能。例如天猫、亚马逊等电商网站，优酷、ＱＱ音乐、Ｎｅｔｆｌｉｘ??等影音娱乐网站，饿了么、去哪网等生活服务类网站都使用了推荐系统向用户个??性化的提供服务。通过大量的使用推荐系统，一方面帮用户节约了获得信息的时??间，获得了意外的信息发现。另一方面也给这些网站带来了更多了流量和利润，??并且提高了用户黏性。??ＹＯＵＫＵ?辦狄听?ｊ？？儿：??
数据挖掘、人工智能、数学、社会学以及心理学等。将这些知识综合应用于推荐??系统，提升推荐系统性能，为用户提供更好的服务，是一件具有现实意义的工作。??如图２．１所示，这是一个推荐系统的结构简图。其中推荐算法模块是推荐系统的??核心。它接受一些相关信息，利用这些信息得出用户对不同项目的喜爱程度，将??其中最喜爱的Ｎ个推荐给用户。通常情况下，推荐算法模块接受的信息主要包??６??
【参考文献】：
期刊论文
[1]基于正相关和负相关最近邻居的协同过滤算法[J]. 徐怡,唐一民,王冉. 工程科学与技术. 2018(05)
[2]基于推荐系统时间敏感的因子模型算法研究[J]. 李忠武,王辉,魏再超. 电子商务. 2017(09)
[3]基于时间衰减的协同过滤推荐算法[J]. 董立岩,王越群,贺嘉楠,孙铭会,李永丽. 吉林大学学报(工学版). 2017(04)
[4]基于内容的推荐与协同过滤融合的新闻推荐方法[J]. 杨武,唐瑞,卢玲. 计算机应用. 2016(02)
[5]一种融合协同过滤和内容过滤的混合推荐方法[J]. 高虎明,赵凤跃. 现代图书情报技术. 2015(06)
[6]社会化推荐系统研究[J]. 孟祥武,刘树栋,张玉洁,胡勋. 软件学报. 2015(06)
[7]标志变异系数在统计分析中的作用[J]. 王立. 科技与企业. 2014(21)
[8]基于双重邻居选取策略的协同过滤推荐算法[J]. 贾冬艳,张付志. 计算机研究与发展. 2013(05)
[9]一种改进的基于二部图网络结构的推荐算法[J]. 王茜,段双艳. 计算机应用研究. 2013(03)
[10]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)
博士论文
[1]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学 2013
[2]基于商品属性的电子商务推荐系统研究[D]. 胡新明.华中科技大学 2012
硕士论文
[1]基于用户兴趣和主题模型的混合推荐算法的研究与实现[D]. 胡芳燚.北京邮电大学 2018
[2]基于用户行为的电子书籍推荐系统研究[D]. 张骥.安徽理工大学 2018
[3]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
本文编号：3477578
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3477578.html
最近更新
教材专著
