基于用户的协同过滤算法在图书推荐系统中的应用研究

发布时间：2024-02-18 01:02

　　随着图书资源的不断丰富与现代信息技术的飞速发展,“信息超载”的矛盾日益恶化,引起众多研究者的密切关注。目前在学界解决这种问题的常见有效途径有两条:搜索技术和个性化推荐技术。个性化推荐技术也称推荐系统,相比于搜索引擎,不依赖于用户主动键入搜索内容,不借助于用户提供明确的关键词导向,通过收集用户的历史行为习惯数据或标注信息,为用户建立兴趣模型,预测用户对某一图书是否喜欢以及喜好程度的高低,再主动给用户推荐其最有可能喜爱或者感兴趣的信息。在实践中,基于用户的协同过滤算法以其独特的优势在推荐系统中得到大量的应用,但仍存在一些关键问题亟待解决,如数据稀疏,冷启动,数据缺失,推荐准确性和多样性,推荐效率的问题等等。面对传统的基于用户的协同过滤推荐系统的不足,本文研究了传统的基于用户的协同过滤算法的相关技术,并在此基础上提出了一些改进算法。在对优化的用户-图书评分矩阵计算用户相似度时,考虑到两个用户的公共评级项目数量对评分次数对结果的影响,将两个用户共同项目相似度添加为阈值,用户评级的数量也包括在计算过程中,并且转换用户对图书的评分的次数是用户评定该属性的次数。公共评级项目的数量越大,评分次数越多,...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 主要研究内容
    1.4 论文结构
第2章 推荐系统相关理论与技术研究
    2.1 常见的推荐算法
        2.1.1 基于用户的推荐
        2.1.2 基于内容的推荐方法
        2.1.3 基于人口统计学的推荐
        2.1.4 基于关联规则的推荐
        2.1.5 组合推荐技术
    2.2 各种推荐技术的对比
    2.3 相似性计算
        2.3.1 欧几里德距离
        2.3.2 余弦相似性
        2.3.3 调整后的余弦相似性
        2.3.4 皮尔森相关系数
        2.3.5 杰卡德系数相似系数
    2.4 本章小结
第3章 协同过滤面临的挑战
    3.1 冷启动问题
    3.2 准确度和多样性问题
    3.3 数据缺失
    3.4 本章小结
第4章 对传统基于用户的协同过滤推荐算法改进工作
    4.1 基于公共项目数量的用户相似度
    4.2 用户属性评分相似度
    4.3 改进基于用户的协同过滤算法
    4.4 本章小结
第5章 实验方案设计与结果分析
    5.1 实验准备
        5.1.1 实验数据
        5.1.2 实验环境和条件
        5.1.3 评价标准
    5.2 实验过程
        5.2.1 实验方案
        5.2.2 多重交叉验证
    5.3 实验结果及分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
个人简介



本文编号：3901622