信息推荐模型及其应用研究

发布时间：2017-05-17 16:33

  本文关键词：信息推荐模型及其应用研究，由笔耕文化传播整理发布。

【摘要】：随着互联网的迅速发展,为人们的生活带来了翻天覆地的变化,人们已经进入了一个无所不有的信息时代。通过互联网人们可以获得大量的信息。但是,由于信息的过量,也带了一些负面的影响。虽然搜索引擎技术满足了人们的一些需要,但它需要用户主动的去搜索信息,当一个用户试图用搜索引擎搜索信息时,传统的信息检索技术就会返回给用户包含查询关键字的网页,返回的结果页面可能会有很多不相关的内容,也会丢失部分重要的关键页面。人们如何从信息的海洋中找到符合自己要求的有用的信息,并实现智能化的推荐已经成为了研究的关键。于是,信息推荐系统应运而生。推荐系统的目的就是在信息消费者和信息生产者之间搭建一个桥梁,信息消费者可以通过信息推荐技术发现对自己有用的信息,信息生产者通过分析信息消费者的数据对消费者展现其感兴趣的信息。个性化信息推荐和搜索引擎是不一样的,搜索引擎是一种被动的推荐,而个性化信息推荐需要研究用户的信息特征,是一种主动的推荐。信息推荐系统的核心是推荐算法。本论文首先介绍了现有的各个推荐算法的实现原理,包括基于人口统计学的推荐算法、基于内容的推荐算法、协同过滤推荐算法和混合推荐算法,分析了它们的优点和不足。详细介绍了Slop One算法,Slop One算法的本质是协同过滤算法的一种,该算法因为它容易实现、易于理解而受到广泛的关注。SlopOne算法是通过计算评分项目间的差值来实现推荐的,但是由于该算法只考虑了评分项目之间的关系,没有把用户之间的相似性考虑进去,从而限制了该算法推荐的准确度。所以本论文在原有的加权Slop One算法上把用户的相似性考虑进去,把改进的算法称为融合用户因素的Slop One算法。本论文在MovieLens数据集上对改进的融合用户因素的Slop One算法和传统的Slop One算法进行了对比试验,实验结果表明,融合用户因素的Slop One算法的平均绝对误差的值比传统的Slop One算法的值小,证明了融合用户因素的Slop On e算法的有效性和可行性。此外,在文章的最后,实现了一个简易的电影推荐系统模型,实现了其核心的推荐功能。
【关键词】：信息过量 信息推荐 推荐算法 Slop One算法
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 研究背景与意义10
• 1.2 国内外研究现状10-12
• 1.3 论文主要研究内容与章节安排12-14
• 1.3.1 论文的主要研究内容12-13
• 1.3.2 论文的章节安排13-14
• 第2章 推荐技术的研究与分析14-22
• 2.1 个性化信息推荐系统的简介14
• 2.2 推荐算法分析14-19
• 2.2.1 基于人口统计学的推荐算法14-15
• 2.2.2 基于内容的推荐算法15-16
• 2.2.3 协同过滤推荐算法16-18
• 2.2.4 混合推荐算法18-19
• 2.3 Slop One推荐算法19-21
• 2.3.1 Slop One算法分析19-20
• 2.3.2 加权Slop One算法分析20-21
• 2.3.3 Slop One算法的优点与不足21
• 2.4 本章小结21-22
• 第3章 融合用户因素的Slop One算法22-30
• 3.1 引言22
• 3.2 相似度测量方法的研究与分析22-26
• 3.2.1 皮尔森相关系数分析22-23
• 3.2.2 欧几里德距离相似度分析23-24
• 3.2.3 余弦相似度24-25
• 3.2.4 改进的余弦相似度分析25-26
• 3.2.5 斯皮尔曼等级相关分析26
• 3.3 融合用户因素的Slop One算法26-29
• 3.3.1 融合用户因素的Slop One算法分析26-27
• 3.3.2 融合用户因素的Slop One算法的实现过程27-29
• 3.4 融合用户因素的Slop One算法的复杂性分析29
• 3.5 本章小结29-30
• 第4章 实验与实验结果分析30-36
• 4.1 实验数据集30-31
• 4.2 实验度量标准31
• 4.3 实验环境31
• 4.4 实验目的31-32
• 4.5 实验结果及分析32-35
• 4.6 本章小结35-36
• 第5章 电影推荐模型的实现36-43
• 5.1 引言36
• 5.2 电影推荐模型的系统设计36-39
• 5.2.1 系统的主要功能36-38
• 5.2.2 系统的总体框架38-39
• 5.3 电影推荐模型的运行环境及其配置39
• 5.4 数据库表设计39-40
• 5.5 实现界面40-42
• 5.6 本章小结42-43
• 第6章 结论与展望43-45
• 6.1 论文总结43
• 6.2 论文展望43-45
• 参考文献45-48
• 致谢48

【参考文献】

中国期刊全文数据库 前2条

1 郭艳红;邓贵仕;;协同过滤系统项目冷启动的混合推荐算法[J];计算机工程;2008年23期

2 刘聪;张璇;王黎霞;赵倩;杨帅;;改进的基于用户数据的协同过滤推荐方法[J];计算机应用与软件;2014年08期

中国硕士学位论文全文数据库 前2条

1 周涛;基于用户情境的协同推荐算法研究与应用[D];重庆大学;2010年

2 张月蓉;基于混合推荐的电影推荐系统的研究与实现[D];安徽大学;2013年

  本文关键词：信息推荐模型及其应用研究，，由笔耕文化传播整理发布。

本文编号：373885