混合相似性模型的协同过滤推荐方法研究

发布时间：2022-11-05 14:56

　　随着大数据时代的到来,人们很难从大量的信息中找到他们所需的信息。推荐系统对用户的爱好、习惯等信息数据进行收集和分析,便于能够迅速精确地推荐给用户他们所需要的信息。因此推荐系统成为缓解信息过载问题较为普遍的方法。而协同过滤算法是最常见的推荐方法之一。针对推荐系统协同过滤方法中存在的数据稀疏和冷启动等问题,提出一种混合相似性模型的协同过滤推荐算法。该算法首先计算用户在不同项目间的相似性,然后结合项目特性和标签信息权重来描述用户、项目、特性和标签之间的关系;其次,设定用户偏好因子和不对称因子调整不同用户间的评分偏好;最后,结合用户间相似性、项目综合权重、以及评分偏好构建混合相似性模型,并加入用户时间权重信息解决项目冷启动问题。在公开的Movielens等数据集上的实验表明,该算法在各种评估指标上比其他相关方法获得更显著的效果。具体研究内容如下:（1）针对推荐系统的协同过滤方法中长久留存的数据稀疏问题,本文提出基于评分的用户混合相似模型对不同用户在不同项目间的相似度进行计算,并将不同项目间的评级关系作为权重调整用户相似度。同时,为了平衡不同用户间的评分偏好并提高模型的可靠性,提高推荐的准确度,... 

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 问题提出
    1.4 本文的组织结构
第二章 相关理论和方法
    2.1 推荐系统
    2.2 协同过滤算法
    2.3 相似度计算方法
    2.4 本章小结
第三章 基于不同项目的用户相似度推荐模型构建
    3.1 问题概述
    3.2 基于不同项目的用户相似度推荐模型
        3.2.1 基于不同项目的用户相似度
        3.2.2 不同项目间的关系权重
        3.2.3 模型构建
        3.2.4 算例分析
    3.3 本章小结
第四章 混合相似模型的构建及其推荐方法
    4.1 问题概述
    4.2 基于项目特性与标签权重模型
        4.2.1 基于项目特性的权重计算
        4.2.2 基于项目标签的权重计算
        4.2.3 基于项目特性与标签权重的模型构建
        4.2.4 算例分析
    4.3 混合相似性模型的构建
    4.4 混合相似性模型的协同过滤推荐算法实现
    4.5 算例分析
    4.6 本章小结
第五章 实验结果与分析
    5.1 数据集及数据处理
    5.2 评价标准
    5.3 实验结果与分析
        5.3.1 参数对模型的影响
        5.3.2 对比实验
        5.3.3 不同数据集准确度评价
    5.4 实验总结
第六章 总结和展望
    6.1 工作总结
    6.2 问题与展望
致谢
参考文献
附录 A 攻读硕士学位期间科研成果


【参考文献】：
期刊论文
[1]融合似然比相似度的协同过滤推荐算法研究[J]. 王嵘冰,徐红艳,冯勇,郭浩.  小型微型计算机系统. 2018(07)
[2]基于潜在主题的混合上下文推荐算法[J]. 李平,张路遥,曹霞,胡检华.  电子与信息学报. 2018(04)
[3]基于改进用户相似性度量和评分预测的协同过滤推荐算法[J]. 李昆仑,万品哲,张德智.  小型微型计算机系统. 2018(03)
[4]融合偏好交互的组推荐算法模型[J]. 郑伟,李博涵,王雅楠,秦小麟.  小型微型计算机系统. 2018(02)
[5]一种基于效用的个性化文章推荐方法[J]. 尹祎,冯丹,施展.  计算机学报. 2017(12)
[6]基于模糊核聚类和支持向量机的鲁棒协同推荐算法[J]. 伊华伟,张付志,巢进波.  电子与信息学报. 2017(08)
[7]考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法[J]. 王锦坤,姜元春,孙见山,孙春华.  计算机科学. 2016(12)
[8]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)
[9]一种利用多群组智慧的协同推荐算法[J]. 郑修猛,陈福才,吴奇,朱宇航,黄瑞阳.  西安交通大学学报. 2016(10)
[10]基于知识模式挖掘的流程知识推荐系统[J]. 刘海涛,赵卫东.  计算机集成制造系统. 2017(02)



本文编号：3702814