基于奇异值及重组信任矩阵的协同过滤推荐算法的研究

发布时间：2017-07-26 19:30

  本文关键词：基于奇异值及重组信任矩阵的协同过滤推荐算法的研究

  更多相关文章： 推荐系统 协同过滤 奇异值 重组信任矩阵 预测精度 冷启动

【摘要】：随着电子商务的蓬勃发展,推荐系统正逐渐渗透人们的日常生活,并不断改善用户的在线体验。协同过滤作为推荐系统中使用最成功应用最广泛的技术,得到了越来越多的关注和研究。本文针对协同过滤推荐技术中数据稀疏导致的预测评分精度低以及冷启动问题提出了相应的解决方法,具体的研究内容如下。本文首先分析了协同过滤推荐系统的研究现状,并对协同过滤推荐系统的分类和方法进行了较为详细的描述,针对协同过滤推荐系统面临的问题,总结了研究人员提出的相应的改进策略以及不足之处。其次,针对数据稀疏导致的评分预测精度不高的问题,通过分析用户-项目评分的上下文关系,引入了奇异值的概念。考虑每个项目评价数量的比例以及用户共评项目的比例,分别将传统的皮尔森相似度(PCC)算法和Jaccard算法进行了改进,并将两种改进的方法以两种方式相结合,以得到更好的推荐算法。再次,针对冷启动的问题,引入信任信息。根据用户相似度重新设置信任矩阵中的信任值,即去掉信任矩阵中相似度低于某一阈值的信任关系并将相似度高于某一阈值的用户对应的信任关系添加到信任矩阵中,并利用信任的传递性,通过加权的信任传播,以此找到更多的信任邻居,同时还可以对不同距离的信任邻居进行区分,以期通过这种方法解决冷启动问题并提高预测精度。最后,将本文提出的两种算法,即基于奇异值的协同过滤推荐算法和重组信任矩阵的协同过滤推荐算法,分别在两个数据集中进行验证。实验结果表明两种算法能够明显提高评分预测精度,并有效解决冷启动问题。
【关键词】：推荐系统 协同过滤 奇异值 重组信任矩阵 预测精度 冷启动
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O151.21;TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题背景和意义10-11
• 1.2 国内外研究现状11-14
• 1.3 研究内容及创新点14
• 1.4 本文的组织结构14-16
• 第2章 协同过滤推荐系统研究16-24
• 2.1 协同过滤推荐系统综述16-17
• 2.2 基于内存的方法的研究17-21
• 2.2.1 基于用户的推荐过程17-19
• 2.2.2 基于项目的推荐过程19-20
• 2.2.3 改进策略20-21
• 2.3 融入信任的协同过滤推荐的研究21-23
• 2.4 本章小结23-24
• 第3章 基于奇异值的协同过滤推荐算法24-35
• 3.1 奇异值的概念24-25
• 3.2 提出改进算法的理论基础25-27
• 3.3 基于奇异值的相似度算法27-33
• 3.3.1 改进的PCC(IP)算法27-30
• 3.3.2 改进的Jaccard(IJ)算法30-32
• 3.3.3 IPIJ算法和IPAIJ算法32-33
• 3.4 本章小结33-35
• 第4章 重组信任矩阵的协同过滤推荐算法35-46
• 4.1 引言35-36
• 4.2 信任相关知识介绍36-38
• 4.2.1 信任的概念及性质36
• 4.2.2 信任网络36-38
• 4.3 重组信任矩阵的相似度算法38-44
• 4.3.1 重组信任矩阵38-42
• 4.3.2 加权的信任传播42-44
• 4.4 本章小结44-46
• 第5章 实验及结果分析46-58
• 5.1 实验环境配置46
• 5.2 实验方法及评价指标46-47
• 5.3 基于奇异值算法的实验47-51
• 5.3.1 实验数据集47-48
• 5.3.2 实验设置及结果分析48-51
• 5.4 重组信任矩阵算法的实验51-57
• 5.4.1 实验数据集51
• 5.4.2 实验设置及结果分析51-57
• 5.5 本章小结57-58
• 结论58-59
• 参考文献59-63
• 攻读硕士学位期间承担的科研任务与主要成果63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 康钟荣;;基于项目特征分类与填充的协同过滤算法研究[J];河南科技;2013年12期

2 李改;李磊;;基于双向主题模型的协同过滤算法[J];中山大学学报(自然科学版);2013年05期

3 卢竹兵;唐雁;;一种基于信任网络的协同过滤推荐策略[J];西南师范大学学报(自然科学版);2008年02期

4 辛勤芳;;基于项目聚类的协同过滤算法研究[J];赤峰学院学报(自然科学版);2011年09期

5 段文奇;惠淑敏;;基于协同过滤的论文推荐-传播平台模型研究[J];科学学研究;2012年10期

6 章诗杰;姚俭平;;基于评论挖掘的新协同过滤推荐模型[J];科技创新与生产力;2013年03期

7 张阳;申华;;基于近邻用户和近邻项目的协同过滤改进算法[J];沈阳师范大学学报(自然科学版);2012年03期

8 邓晓懿;金淳;韩庆平;j口良之;;基于情境聚类和用户评级的协同过滤推荐模型[J];系统工程理论与实践;2013年11期

9 董立岩;刘晋禹;蔡观洋;李永丽;;基于抽样近邻的协同过滤算法[J];吉林大学学报(理学版);2014年04期

10 王恒;;基于协同过滤的电子农务推荐系统模型研究[J];宁夏大学学报(自然科学版);2009年04期

中国重要会议论文全文数据库 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[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

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 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[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 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

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

中国博士学位论文全文数据库 前10条

1 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

2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

3 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

4 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

5 高e，

本文编号：578002