改进的基于用户和项目聚类的协同过滤推荐算法

发布时间：2017-11-21 20:34

  本文关键词：改进的基于用户和项目聚类的协同过滤推荐算法

  更多相关文章： 推荐系统 协同过滤 聚类

【摘要】：随着互联网的快速发展,人类已经由信息匮乏时代进入到信息超载时代。为了更好地应对信息超载时代带来了的挑战,人类发展了各种新技术,如搜索引擎和推荐系统。尽管目前搜索引擎技术已经相当成熟,人类可以根据需要搜索到想要的内容,但往往要求用户具有明确的搜索目标,提供的内容较为局限。推荐系统的出现补充了搜索引擎的局限性,其可以根据历史数据分析出用户的兴趣偏好,主动为用户推送潜在的用户很有可能喜欢的内容。推荐系统发展至今,已成为电子商务网站的重要构件,不仅提升了用户体验,同时也为服务提供者带来了巨大的经济收益。尽管推荐系统的研究已有二十多年之久,无数的推荐算法被提出并应用于实践,但仍然存在数据稀疏性、算法可扩展性和“冷启动”等问题。在种类繁多的推荐算法中,以协同过滤算法最为学术界和工业界青睐,很多大型电子商务网站的推荐系统都采用协同过滤算法,如亚马逊、谷歌等。传统的协同过滤算法以其他用户对项目的评价来预测目标用户对项目的偏好,而忽略了用户和项目的属性信息,从而准确率不高；通过遍历所有用户去寻找最近邻,这使得实时性不高；对用户评分矩阵稀疏性敏感,当稀疏性较高的情况下,准确率急剧下降。利用聚类技术,可以将相似的用户或项目划分成组,即可认为同组间的对象相似度较高,不同组间的对象相似度较低。这样只需计算组内对象的相似度,不需要计算所有对象,从而提高了实时性,提高了推荐系统的性能。为了进一步提升用户和项目的聚类的准确性,在本文提出的方法中,使用项目属相似度和项目评分相似度加权的方法来计算项目间的综合相似度,项目聚类生成之后,利用用户-项目类评分矩阵来对用户进行聚类。这样一来,不仅提高了实时性,也降低了矩阵稀疏性的影响。最后,通过具体的实验数据对比,验证了本文提出的算法的有效性。
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3

【相似文献】

中国期刊全文数据库 前10条

1 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

2 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

3 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

4 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

5 吴泓辰;王新军;成勇;彭朝晖;;基于协同过滤与划分聚类的改进推荐算法[J];计算机研究与发展;2011年S3期

6 赵玉艳;谷胜伟;;一种面向云计算环境的服务推荐算法[J];巢湖学院学报;2012年03期

7 李克潮;梁正友;;基于多特征的个性化图书推荐算法[J];计算机工程;2012年11期

8 吕善国;吴效葵;曹义亲;;基于网络结构的推荐算法[J];实验室研究与探索;2012年07期

9 苏莹;刘建国;郭强;田大钢;;考虑负面评价的个性化推荐算法研究[J];运筹与管理;2012年06期

10 郑志娴;;微博个性化内容推荐算法研究[J];电脑开发与应用;2012年12期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q，

本文编号：1212225