基于协同过滤算法的推荐系统研究与实现

发布时间：2017-10-08 22:34

  本文关键词：基于协同过滤算法的推荐系统研究与实现

  更多相关文章： 推荐系统 协同过滤 稀疏性问题 冷启动问题

【摘要】：近年来，随着计算机技术的飞速发展与网络的迅速普及，人们既可以享受海量信息资源带来的便利，同时又面临着“信息超载”所带来的问题，推荐系统正是为了解决这一问题而产生的。相较于经典的搜索引擎式服务，推荐系统的个性化是其得天独厚的优势。推荐系统的研究是当前信息资源急速膨胀环境下的迫切需求，有着重要的理论价值与实际价值。协同过滤技术是当前推荐系统研究的热点之一，然而其依然存在稀疏性问题、冷启动问题需要解决，同时在算法的精准度上也尚有很大的研究空间。 针对上述问题本文主要的研究对象为推荐系统以及在解决数据稀疏性和冷启动问题的前提下提高协同过滤算法的精确度的改进方法。所以，本文的主要研究内容和创新点可以概括为以下几个方面： 第一，首先对推荐系统进行整体的研究，充分研究了推荐系统的相关概念，对各种推荐系统、各种推荐系统的优势与劣势以及协同过滤算法进行了深入的研究。 第二，在对协同过滤算法的深入研究的基础上，针对算法数据稀疏性问题与冷启动问题，，本文通过结合用户属性与项目属性，提出了一种改进的协同过滤算法。改进的算法利用推荐系统中的用户与项目信息弥补了经典协同过滤算法的不足。并且不同于简单的组合，算法可以根据评分数据集的特点动态的调节用户和项目属性信息在评分预测中所占的比重，使得算法的准确度进一步提升，并且通过实验验证了这一结论。 第三，以电影推荐系统为例，通过之前对现有协同过滤推荐系统的总结与分析，设计并实现基于改进的协同过滤算法的推荐系统，以检验改进算法的实用性。
【关键词】：推荐系统 协同过滤 稀疏性问题 冷启动问题
【学位授予单位】：河北工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-15
• 1.1 研究背景与意义9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10
• 1.2 国内外研究现状10-12
• 1.2.1 国外研究现状10-11
• 1.2.2 国内研究现状11-12
• 1.3 面临的问题和挑战12-13
• 1.4 本文主要工作和安排13-15
• 第二章 推荐系统相关概念15-31
• 2.1 相关基本知识15-20
• 2.1.1 信息检索和信息过滤15-16
• 2.1.2 数据挖掘技术16-17
• 2.1.3 个性及其特征17
• 2.1.4 推荐系统17-20
• 2.2 推荐技术与分类20-24
• 2.2.1 基于内容的推荐技术21
• 2.2.2 基于协同过滤的推荐技术21-23
• 2.2.3 基于规则的推荐技术23-24
• 2.2.4 推荐技术的比较24
• 2.3 协同过滤算法及分类24-29
• 2.3.1 协同过滤算法推荐步骤24-25
• 2.3.2 协同过滤算法的分类25-29
• 2.4 推荐系统的评价29-30
• 2.4.1 Movielens 数据集29-30
• 2.4.2 评价标准30
• 2.5 本章小结30-31
• 第三章 基于用户属性和项目属性的改进算法31-41
• 3.1 问题的提出31-32
• 3.2 基于用户和项目属性的改进的协同过滤推荐32-36
• 3.2.1 基于用户属性和项目属性的预测32-33
• 3.2.2 基于用户和项目属性的改进算法33-36
• 3.3 改进算法的流程36-37
• 3.4 实验分析37-40
• 3.4.1 参数的选取37-38
• 3.4.2 实验结果分析38-40
• 3.5 存在的不足40
• 3.6 小结40-41
• 第四章 基于改进协同过滤算法的推荐系统设计与实现41-49
• 4.1 引言41
• 4.2 推荐系统结构41-42
• 4.3 推荐系统表设计42-44
• 4.4 推荐系统角色分类44-45
• 4.5 个性化推荐模块的设计与实现45-48
• 4.6 小结48-49
• 第五章 总结与展望49-51
• 5.1 全文的总结49-50
• 5.2 下一步工作和展望50-51
• 参考文献51-55
• 致谢55-56

【参考文献】

中国期刊全文数据库 前6条

1 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期

2 李宁;王子磊;吴刚;郑涛;;个性化影片推荐系统中用户模型研究[J];计算机应用与软件;2010年12期

3 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

4 陈志敏;姜艺;;综合项目评分和属性的个性化推荐算法[J];微电子学与计算机;2011年09期

5 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

6 张小红;;协同过滤中的相似性度量方法的研究[J];无线电通信技术;2013年01期

本文编号：996646