基于协同平台的推荐算法分析与应用研究

发布时间：2021-12-28 02:50

　　在计算机技术迅猛发展的今天,人们已经可以很好地应用计算机领域的诸多知识来解决许多日常问题,并且可以通过建模的形式,将问题抽象概括,从而得心应手的解决一类甚至多类问题,做到真正的触类旁通。然而大量数据的采集使得很多未曾被关注到的潜在信息显现出来,然而这样庞大的数据量也造成了诸多问题,如信息超载、资源浪费等等。这些问题造成了无法精准得到所需信息的困扰,为了更好地解决这样的问题,个性化推荐系统应运而生。推荐系统通过大量采集用户信息整理再分析的方式,了解用户的喜恶偏好,进而考虑将其分类归纳特点,再形成推荐,使得用户能够更便捷的实现信息的获取以及利用。首先,本文详实的介绍了推荐算法的发展环境以及发展现状,将当前研究的整体背景进行阐述。其次,对已有的经典算法进行描述及实现,阐明推荐系统的工作原理,将推荐算法分类,说明不同的推荐算法间有着明显不同的推荐侧重,并且它们也有着难以避免的缺陷。在这个思路上提出数据预处理方法来对经典算法的缺陷进行优化,提出两种并列关系的评分预处理算法优化。再次,文中在针对经典Slope One推荐算法进行深入学习后,提出了基于关联规则策略加权的Slope One推荐算法。该... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

基于用户喜好推荐思想概念图

哈尔滨理工大学工学硕士学位论文-9-图2-1基于用户喜好推荐思想概念图Fig.2-1Recommendedconceptmapbasedonuserpreferences在待推荐项目的角度，由于已有的数据信息量过大，使信息检索较困难，这时便需要集合项目自身特点将待推荐的项目形成良好的分类，此时推荐只需要从这些项目的各自特点入手，将具有更多相似点的项目归于一类，再将它们推送给有这一方向需求的用户，这样的方法可以尽可能的让用户获取相关信息过程简化，在一定程度上节约资源。这样的推荐思想流程如图2-2所示。图2-2基于项目特点推荐思想概念图Fig.2-2Recommendedconceptmapbasedonprojectcharacteristics以上两种是推荐系统最根本的思想来源，在此之上衍生出了多种实用性很


本文编号：3553252