基于虚拟群组用户的协同过滤推荐算法研究

发布时间：2024-07-05 06:14

　　随着用户数量和项目数量的指数级增长,协同过滤推荐算法迎来了计算量激增的挑战。聚类算法可以在保证协同过滤算法取得较好的推荐准确性的情况下,有效地降低搜索量,因此,成为当前推荐领域研究热点。在基于聚类的协同过滤推荐算法中,传统的聚类算法不可避免地面临聚类群组数k值难以确定的问题,k值的设定通常需要依赖人的经验,没有统一标准。本文梳理相关领域文献,找到一种基因工程领域的联合聚类算法ISA(Iterative signature algorithm),能够有效摆脱对聚类群组数k值的经验依赖。结合联合聚类ISA算法,本文提出一种基于虚拟群组用户的协同过滤推荐算法,较好地提升了协同过滤推荐算法的准确性和可扩展性。论文首先利用联合聚类算法ISA(Iterative signature algorithm)对用户-项目二维矩阵(评分矩阵)进行重叠群组划分,打破了用户单群组归属限制,全面地刻画用户兴趣,统计分析显示ISA可以获得较好的群组划分结果。然后利用虚拟用户技术,对各群组兴趣进行融合,构建了代表群组共性的虚拟群组用户,作为协同过滤的输入依据。考虑到不同用户对于不同项目投入时间不同,论文引入专业度概...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图1.1技术路线图

基于虚拟群组用户的协同过滤推荐算法研究梳理推荐系统、群组聚类等领域的相关文献，找到基因工程领域的一算法已经在基因工程、文本挖掘、语音识别等领域广泛应用。算法所法相似，对于用户-项目二维评分矩阵的聚类思想能够解决传统聚类算关联、对聚类群组数k值的经验依赖问题。因此，本文将IS....

图2.1推荐系统实现过程

基于虚拟群组用户的协同过滤推荐算法研究第二章相关理论及方法2.1推荐系统简介随着互联网技术的快速发展，网络信息日益纷繁复杂，大量的同质化信息让用户无法直做出判断。面对这种信息过载现象，推荐系统作为一种可以为用户进行项目推荐的工具，发着日益重要的作用。通常情况下，它是通过挖掘已....

图2.2基于用户协同过滤算法过程

j)=∑(,)∈∈,(,)√∑(,)2∈∈,√∑(,)2∈∈,（公式2-3）2.2.2推荐生成在近邻集合中搜索目标用户i所感兴趣的....

图2.3硬聚类与联合聚类结果示意图

南京航空航天大学硕士学位论文的未必一定喜欢西部片。用户具有多维兴趣且各兴趣之间户仅能属于一个群组，针对一维（用户/项目）进行聚类含全部项目。一方面不符合用户具有多维兴趣的实际情况好进行群组划分。与硬聚类思想不同，联合聚类是一种允想，通过分析用户-项目两个维度之间的潜在相关性，同时....

本文编号：4001164