基于混合用户模型的协同过滤推荐算法研究

发布时间：2016-08-10 03:09

  本文关键词：基于协同过滤的个性化垂直搜索引擎的研究与设计，由笔耕文化传播整理发布。

《重庆大学》 2010年

基于混合用户模型的协同过滤推荐算法研究

袁先虎  

【摘要】： 互联网的普及和电子商务的迅速发展造成了信息的过载,用户在大量的产品信息中难以找到需要的商品,由此,电子商务推荐系统应运而生。当前,电子商务推荐系统在实际运用中还不成熟,仍然存在许多问题,如推荐质量受到庞大而稀疏的用户评价数据的严重影响、系统的可扩展性能差、推荐实时性差等。论文针对推荐系统存在的主要问题,对电子商务个性化推荐系统中的用户模型和协同过滤推荐算法进行了有益的探索和研究。 协同过滤是个性化推荐系统中应用最广泛和最成功的推荐技术,但是它也面临着推荐准确度和可扩展性两大挑战。协同过滤技术分为基于内存和基于模型两种,前者的推荐准确度更高,但可扩展性比后者低。论文提出了混合用户模型,基于该模型的协同过滤推荐系统既具有基于内存协同过滤的推荐准确度,又具有基于模型协同过滤的可扩展性。 在用户模型层面,论文分析了目前的协同过滤推荐中经典用户模型存在的缺陷,利用商品组合特征和人口统计信息构建了混合用户模型。混合用户模型浓缩了项目内容描述信息、用户人口统计信息和用户-项目评分矩阵,提高了用户模型的信息浓度,在一定程度上解决了稀疏性和冷开始问题。混合用户模型引入的特征兴趣度,反映了用户对特征的偏好程度,在计算用户之间相似度时更为准确。 在协同过滤算法层面,论文分析了当前电子商务个性化推荐系统中常用的协同过滤推荐算法存在的稀疏性、可扩展性、实时性和推荐准确度等问题,提出了基于混合用户模型的协同过滤推荐算法。该方法采用基于内容的过滤和基于人口统计信息的过滤离线构建用户模型,然后基于该模型运用协同过滤在线产生推荐。在特征层、模型层、协同过滤算法层三个不同层次引入组合,降低了系统的复杂性和计算时间,提高了可扩展性和推荐准确度。协同过滤算法层引入了遗传算法学习用户模型中每个特征的权重取值,使系统对用户偏好的描述更加准确。 采用MovieLens数据集对论文提出的改进算法进行了仿真实验。实验结果表明:基于混合用户模型的协同过滤推荐算法在推荐的准确性、完整性、可扩展性等方面均优于实验对比算法。

【关键词】：
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TP301.6
【目录】：

中文摘要3-4

英文摘要4-8

1 绪论8-12

1.1 研究背景8-9

1.2 研究目的和意义9-10

1.3 主要研究内容10-11

1.4 论文结构11

1.5 本章小结11-12

2 电子商务推荐系统及相关技术12-27

2.1 电子商务推荐系统12-16

2.1.1 推荐系统概述12-13

2.1.2 推荐系统定义13-14

2.1.3 推荐系统主要研究内容14

2.1.4 推荐系统分类14-16

2.2 推荐算法和技术16-22

2.2.1 基于内容的推荐16-17

2.2.2 协同过滤推荐17-20

2.2.3 基于规则的推荐20

2.2.4 基于知识的推荐20

2.2.5 组合推荐20-21

2.2.6 各类推荐方法的对比21-22

2.3 基于用户的协同过滤推荐算法22-25

2.4 推荐系统面临的问题与挑战25-26

2.5 本章小结26-27

3 混合用户模型27-34

3.1 相关概念27-30

3.1.1 定义27-28

3.1.2 示例解释28-30

3.2 特征兴趣度量30-31

3.3 混合用户模型31-33

3.3.1 人口统计信息32

3.3.2 混合用户模型的建立32-33

3.4 本章小结33-34

4 基于混合用户模型的协同过滤推荐算法34-48

4.1 思路34-35

4.2 遗传算法确定特征权重向量35-41

4.2.1 遗传算法36-37

4.2.2 遗传算法主要要素37-39

4.2.3 流程与实现39-41

4.3 基于混合用户模型的协同过滤推荐41-45

4.3.1 混合用户模型量化41-43

4.3.2 混合用户模型上的协同过滤43-44

4.3.3 流程与实现44-45

4.4 冷开始问题与解决方案45-47

4.5 本章小结47-48

5 实验48-54

5.1 实验数据48

5.2 实验评估标准48-49

5.3 实验方案49-50

5.4 实验结果与分析50-53

5.5 本章小结53-54

6 结论与展望54-56

6.1 工作总结54-55

6.2 未来展望55-56

致谢56-57

参考文献57-60

附录60

作者在攻读学位期间发表的论文目录60

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【引证文献】

中国硕士学位论文全文数据库 前3条

1 王颖;基于关联规则的电子商务个性化推荐模型研究[D];东北财经大学;2012年

2 张兴邦;基于协同过滤的个性化垂直搜索引擎的研究与设计[D];吉林大学;2013年

3 周超;面向数据稀疏问题的协同过滤推荐算法改进研究[D];杭州电子科技大学;2013年

【参考文献】

中国期刊全文数据库 前4条

1 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

2 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

3 马宏伟;张光卫;李鹏;;协同过滤推荐算法综述[J];小型微型计算机系统;2009年07期

4 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

【共引文献】

中国期刊全文数据库 前10条

1 郭炜;高琳琦;;电子旅游中间商的个性化信息服务模式研究[J];情报科学;2006年05期

2 易明;邓卫华;徐佳;;社会化标签系统中基于组合策略的个性化知识推荐研究[J];情报科学;2011年07期

3 赵捷;胡吉明;;Taste环境下基于对分网络的社会化推荐引擎构建[J];情报科学;2011年10期

4 奉国和;梁晓婷;;国内推荐引擎学术研究知识图谱分析[J];情报科学;2012年01期

5 李君君;叶凤云;;数字图书馆的个性化推荐策略[J];情报理论与实践;2006年04期

6 胡吉明;;社会化推荐中基于对分网络的用户偏好预测[J];情报理论与实践;2011年04期

7 周之诚;;用户意图聚类的数字资源推荐方法[J];情报理论与实践;2011年06期

8 艾斯特;;基于SOA的混合个性化推荐平台研究[J];情报理论与实践;2012年05期

9 徐明德;黄振和;汪俊良;;基于RS理论的电子对抗装备编配辅助决策方法[J];指挥控制与仿真;2006年02期

10 黄晓斌;数字图书馆推荐系统研究[J];情报资料工作;2005年04期

中国重要会议论文全文数据库 前10条

1 高琪;辛乐;;基于用户偏好度模型和情感计算的产品推荐算法[A];第二十九届中国控制会议论文集[C];2010年

2 王茹;郭晓;曹雪珊;;国内视频网站精准投放技术分析[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

3 段巍巍;;电信客户流失预测主题建模[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年

4 ;An Analysis on the Personalized Recommendation Architecture of Mobile Commerce Application[A];第六届（2011）中国管理学年会——管理科学与工程分会场论文集[C];2011年

5 ;COLLABORATIVE FILTERING RECOMMENDATION ALGORITHM BASED ON LOOK-AHEAD SELECTIVE SAMPLING[A];2006年中国机械工程学会年会暨中国工程院机械与运载工程学部首届年会论文集[C];2006年

6 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

7 王崇;李一军;叶强;;基于关联规则的网络消费者行为变化的挖掘[A];第八届中国管理科学学术年会论文集[C];2006年

8 高凤荣;杜小勇;王珊;;数字图书馆环境下一种基于语义分类的个性化推荐算法[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

9 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

10 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

中国博士学位论文全文数据库 前10条

1 王杰;基于人工智能的乒乓球比赛技战术诊断与评估研究[D];上海体育学院;2010年

2 张宇;个性化移动内容服务的模型和支持技术研究[D];华中科技大学;2010年

3 王小龙;建设工程数字化管理体系研究[D];北京交通大学;2010年

4 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年

5 陈伟;基于时序文本挖掘的新闻内容理解与推荐技术研究[D];浙江大学;2010年

6 黄正行;临床过程分析与优化技术研究[D];浙江大学;2010年

7 曾献辉;服饰智能适配系统的研究与应用[D];东华大学;2010年

8 胡慕海;面向动态情境的信息推荐方法及系统研究[D];华中科技大学;2011年

9 叶红云;面向金融营销问题的个性化推荐方法研究[D];合肥工业大学;2011年

10 刘毅捷;视频社区中海量数据管理方法研究[D];中国科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 吴则则;支持动态演进的用户兴趣模型挖掘方法研究[D];山东科技大学;2010年

2 蔡浩;基于Web使用挖掘的协同过滤推荐算法研究[D];浙江理工大学;2010年

3 沈扬;协商僵局消解优化问题研究[D];郑州大学;2010年

4 宋超臣;基于推荐网络的服务搜索技术研究[D];哈尔滨工程大学;2010年

5 刘靖媛;个性搜索引擎中用户兴趣模型研究[D];哈尔滨工程大学;2010年

6 何莹杰;个性化图书信息服务技术研究[D];哈尔滨工程大学;2010年

7 李媛;电子商务个性化推荐关键技术研究[D];哈尔滨工程大学;2010年

8 吴迪;高校毕业生就业推荐系统的设计与开发[D];大连理工大学;2010年

9 邱兆红;基于案例推理的建设项目咨询系统研究[D];大连理工大学;2010年

10 庞军;双聚类算法及其在协同过滤中的应用研究[D];大连理工大学;2010年

【同被引文献】

中国期刊全文数据库 前10条

1 冯翱,刘斌,卢增祥,路海明,王普,李衍达;Open Bookmark——基于Agent的信息过滤系统[J];清华大学学报(自然科学版);2001年03期

2 曾春,邢春晓,周立柱;个性化服务技术综述[J];软件学报;2002年10期

3 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

4 陈健;印鉴;;基于影响集的协作过滤推荐算法[J];软件学报;2007年07期

5 程继华,施鹏飞;多层次关联规则的有效挖掘算法[J];软件学报;1998年12期

6 梁胜勇;苏一丹;马凯;钟青燕;;考虑用户背景信息的协同过滤算法[J];微计算机信息;2010年36期

7 杨风雷;阎保平;;Web用户行为模式挖掘研究[J];微电子学与计算机;2008年11期

8 王自强,冯博琴;个性化推荐系统中遗漏值处理方法的研究[J];西安交通大学学报;2004年08期

9 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

10 陈世平,周福华,俞海;面向领域的个性化智能检索系统MySpy的研究与开发[J];小型微型计算机系统;2002年11期

中国博士学位论文全文数据库 前2条

1 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年

2 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

中国硕士学位论文全文数据库 前10条

1 李媛;电子商务个性化推荐关键技术研究[D];哈尔滨工程大学;2010年

2 林佳雄;关联规则挖掘在电子商务推荐系统中的应用研究[D];暨南大学;2011年

3 崔亚洲;一种B2C模式下多模型推荐系统的研究[D];电子科技大学;2006年

4 郗东妹;关联规则的衡量标准及其算法研究[D];长沙理工大学;2006年

5 周洋;个性化推荐系统推荐引擎原型系统研究[D];对外经济贸易大学;2007年

6 李东海;基于Nutch技术的主题搜索引擎实现[D];吉林大学;2008年

7 曹毅;基于内容和协同过滤的混合模式推荐技术研究[D];中南大学;2007年

8 张德宇;基于Apriori的电子商务网站适时推荐系统的研究与实现[D];苏州大学;2008年

9 李朋轩;基于Web挖掘的电子商务推荐技术的研究[D];哈尔滨工程大学;2009年

10 齐文;基于聚类免疫算法的个性化推荐系统研究[D];天津财经大学;2009年

【二级参考文献】

中国期刊全文数据库 前10条

1 常金玲;夏国平;;基于Bayesian网络的电子商务网站质量管理模型[J];清华大学学报(自然科学版);2006年S1期

2 张巍;刘鲁;朱艳春;;基于多影响因素的网上拍卖信任模型[J];清华大学学报(自然科学版);2006年S1期

3 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

4 游文;叶水生;;电子商务推荐系统中的协同过滤推荐[J];计算机技术与发展;2006年09期

5 贾丽会;张修如;;BP算法分析与改进[J];计算机技术与发展;2006年10期

6 高静;应吉康;;基于人工免疫系统的推荐系统[J];计算机技术与发展;2007年05期

7 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[J];系统仿真学报;2006年S2期

8 王卫平;刘颖;;基于客户行为序列的推荐算法[J];计算机系统应用;2006年09期

9 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

10 张巍,刘鲁,葛健;一种基于粗集的协同过滤算法[J];小型微型计算机系统;2005年11期

《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
京ICP证040441号
互联网出版许可证 新出网证（京）字008号
出版物经营许可证 新出发京批字第直0595号

订购热线：400-819-9993 010-62982499
服务热线：010-62985026 010-62791813
在线咨询：
传真：010-62780361
京公网安备11010802020475号

  本文关键词：基于协同过滤的个性化垂直搜索引擎的研究与设计，由笔耕文化传播整理发布。

，

本文编号：90183