一种联合成对排序的协同过滤推荐算法研究

发布时间：2023-01-15 16:57

　　随着互联网和信息技术的快速发展,大量信息快速地涌入互联网,丰富的信息在给用户带来便利的同时,也导致了信息过载。信息检索领域一直被认为是解决信息过载问题的有效方法之一,帮助用户快速地从海量信息中获取有价值的信息。相比于传统的信息检索技术而言,推荐系统能够主动向用户提供可能感兴趣的信息且无需用户的明确需求等特性,而成为缓解信息过载问题的重要工具之一,并在业界得到了广泛研究与应用。众多电子商务网站和多媒体平台在现有的系统基础上能够较为容易地嵌入个性化推荐技术,例如,亚马逊购物网站可以帮助用户推送感兴趣的商品信息,今日头条向用户推送当日其可能感兴趣的新闻信息。推荐技术的使用在一定程度上不仅增加了用户的参与度及对应用的信任度和依赖度,而且为使用该技术应用上的商家带来可观的收入,例如电影,新闻和POI推荐等。在现实生活中,用户的消费行为复杂而多样,通常受到许多因素的影响。用户所做出购买决策不仅出于自身喜好,还会考虑历史购买物品与即将购买的物品在功能上的关系。本文主要贡献点如下:（1）现有的推荐算法大多仅从用户的角度更细粒度地构建模型,而忽略了物品之间在功能上的互补关系对用户做出购买决策的影响。针对... 

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 推荐算法的研究背景及意义
    1.2 推荐算法国内外研究现状
    1.3 本文的工作概述
    1.4 本文组织结构
2 推荐系统及相关算法
    2.1 推荐系统定义
    2.2 推荐算法
        2.2.1 基于内容的推荐算法
        2.2.2 基于协同过滤的推荐算法
        2.2.3 混合推荐算法
    2.3 基于排序学习的推荐算法
3 一种联合成对排序的协同过滤推荐算法
    3.1 问题描述
    3.2 符号定义
    3.3 贝叶斯个性化排序
    3.4 一种联合成对排序的协同过滤推荐模型
        3.4.1 联合建模交互关系与互补关系
        3.4.2 融合排序感知策略的联合成对排序模型
    3.5 模型求解
    3.6 算法复杂度分析
4 实验结果与分析
    4.1 数据集介绍
    4.2 评测指标
    4.3 对比算法
    4.4 实验结果与比较分析
        4.4.1 全局实验结果分析
        4.4.2 不同推荐列表长度下的性能对比
        4.4.3 不同历史购买数量下的性能对比
        4.4.4 收敛性分析
        4.4.5 超参数对算法的影响
5 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
攻读硕士学位期间的研究成果和科研经历


【参考文献】：
期刊论文
[1]联合正则化的矩阵分解推荐算法[J]. 吴宾,娄铮铮,叶阳东.  软件学报. 2018(09)
[2]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华.  软件学报. 2015(06)
[3]基于大规模隐式反馈的个性化推荐[J]. 印鉴,王智圣,李琪,苏伟杰.  软件学报. 2014(09)
[4]基于领域最近邻的协同过滤推荐算法[J]. 李聪,梁昌勇,马丽.  计算机研究与发展. 2008(09)



本文编号：3731273