基于用户性格的协同过滤推荐研究

发布时间：2017-09-30 07:39

  本文关键词：基于用户性格的协同过滤推荐研究

  更多相关文章： 用户性格 个性化推荐 协同过滤 推荐系统

【摘要】：随着互联网上信息的日益膨胀,传统搜索引擎已经难以满足用户个性化的信息获取需求。为了解决这个问题,在很多领域内,推荐系统正被越来越广泛的应用。协同过滤推荐是目前应用最广泛也最为成功的一种推荐策略。然而它还存在着冷启动、稀疏性和可扩展性等问题。 当前很多学者对这三个问题进行了深入分析研究,但是分析的重点主要放在了如何对数据进行处理上,重视数据忽视用户,过多的从数据角度对用户进行相似性分析进而产生推荐。鲜有从用户性格特征角度对过滤推荐策略进行研究的。 针对当前研究存在的问题,论文研究了用户性格在协同过滤推荐中的应用。提出了基于用户性格的协同过滤方法,指出采用用户性格特征来计算用户之间的相似度,并据此选取用户最近邻,这种方法可以很好的解决稀疏性问题。同时,论文还提出了综合加权考虑传统的基于用户评分和基于用户性格特征的相似性计算方法。论文还指出,可以依据项目特征对项目进行划分,并结合用户性格建立性格-项目偏好矩阵。根据该矩阵可以对用户或项目进行推荐,该方法可以解决冷启动问题。 论文最后对提出的推荐策略进行了实验。通过设计问卷,收集了用户性格特征以及用户对电影的评分数据。实验结果显示出,在同等条件下,基于用户性格的协同过滤推荐算法比传统的协同过滤推荐算法精确度高,而将两者加权考虑的推荐算法有着更高的精确度。
【关键词】：用户性格 个性化推荐 协同过滤 推荐系统
【学位授予单位】：首都师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-8
• 图目录8-9
• 表目录9-10
• 第一章 绪论10-16
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 主要推荐算法研究现状11-12
• 1.2.2 协同过滤推荐研究现状12-13
• 1.3 研究内容13
• 1.4 论文结构13-16
• 第二章 协同过滤推荐系统16-28
• 2.1 推荐系统16-19
• 2.1.1 推荐系统定义及主要数据模块16-17
• 2.1.2 推荐系统的分类介绍17-19
• 2.2 协同过滤推荐算法19-24
• 2.2.1 协同过滤推荐系统分类与流程19-20
• 2.2.2 计算用户相似度20-21
• 2.2.3 最近邻选择21-22
• 2.2.4 估算用户对项目的评分22-23
• 2.2.5 推荐结果评估23-24
• 2.3 算法优缺点24-26
• 2.4 本章小结26-28
• 第三章 性格分类学说28-34
• 3.1 性格28
• 3.2 一些分类学说28-31
• 3.2.1 MBTI28-29
• 3.2.2 九型人格29-30
• 3.2.3 霍兰德职业兴趣理论30-31
• 3.3 本文采用的划分方法31-32
• 3.4 本章小结32-34
• 第四章 基于用户性格的协同过滤推荐34-44
• 4.1 推荐思路及用户性格的获取34-35
• 4.1.1 推荐出发点34
• 4.1.2 获取用户性格的途径34-35
• 4.2 基于用户性格的推荐流程35-38
• 4.2.1 只考虑用户性格特征计算用户相似度35-36
• 4.2.2 加权考虑用户性格特征和用户评分36-37
• 4.2.3 选取最近邻37
• 4.2.4 推荐及评估37-38
• 4.3 性格-项目偏好矩阵38-40
• 4.4 相关算法展示40-43
• 4.5 本章小结43-44
• 第五章 实验数据处理与讨论44-52
• 5.1 实验数据获取44-46
• 5.1.1 问卷设计44
• 5.1.2 问卷统计分析44-46
• 5.2 实验数据处理46-51
• 5.2.1 实验环境46
• 5.2.2 数据处理过程46-50
• 5.2.3 结果分析50-51
• 5.3 本章小结51-52
• 第六章 总结与展望52-54
• 6.1 论文研究总结52-53
• 6.1.1 研究内容总结52
• 6.1.2 本文方法的优点52-53
• 6.2 论文研究不足与展望53-54
• 参考文献54-58
• 附录：用户对电影的评分问卷58-62
• 致谢62

【参考文献】

中国期刊全文数据库 前9条

1 罗泽碧;谢庆生;;基于web数据挖掘的协同过滤推荐算法[J];贵州大学学报(自然科学版);2009年01期

2 王国霞;刘贺平;;个性化推荐系统综述[J];计算机工程与应用;2012年07期

3 谢芳;王波;;基于关联规则个性化推荐的改进算法[J];计算机应用;2006年S2期

4 王辉;高利军;王听忠;;个性化服务中基于用户聚类的协同过滤推荐[J];计算机应用;2007年05期

5 蒋国瑞;青海;黄梯云;;一种柔性的电子商务推荐系统[J];计算机应用研究;2009年03期

6 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

7 周玲;信息超载综述[J];图书情报工作;2001年11期

8 邓爱林,左子叶,朱扬勇;基于项目聚类的协同过滤推荐算法[J];小型微型计算机系统;2004年09期

9 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

，

本文编号：946952