基于项目搭配度的大数据推荐算法研究

发布时间：2017-12-19 09:33

本文关键词：基于项目搭配度的大数据推荐算法研究

【摘要】：现如今,推荐系统面临着数据来源多样结构复杂、推荐多样性差、冷启动等问题。而针对传统推荐技术存在的推荐多样性差的问题所提出的解决办法又相对较少,导致得到的推荐结果往往同质化严重,对"长尾"项目关注较少。本文对推荐系统面临的问题进行了深入分析和研究,针对推荐多样性差的问题,从项目搭配性的角度,提出了一个混合搭配推荐算法。它以真实应用平台产生的用户、项目数据作为数据集,结合混合推荐算法的思想,首先提出了一个面向多源异构数据的项目搭配度模型来评价项目之间的关系,然后设计并实现了混合项目搭配推荐算法,从而可以在用户关注某项目时,提供与之搭配的项目的推荐。本文的主要工作如下:1、对推荐系统中的主流算法进行详细叙述,并进行对比分析,本文设计混合搭配推荐的算法流程。通过关注项目之间的搭配性,来提高推荐的多样性。2、针对数据来源复杂结构多样的情况,结合基于内容、基于知识以及协同过滤算法的思想,本文提出了面向多源异构数据的项目搭配度模型,用以评估项目之间的搭配程度。3、本文提出了基于排序学习的混合项目搭配推荐算法。与基于评分预测的推荐技术相比,本文将推荐问题转化为排序问题,更关注搭配推荐的排序准确性,也有助于提高推荐结果的多样性。为了应对大数据量的情况,本文在排序学习之前引入搭配融合过滤算法,来缩小排序学习的计算范围,提高算法整体运行效率。4、本文基于从腾讯微博和淘宝数据集中抽取的数据,设计实现了一套对比实验,实验表明,本文算法可以有效提高推荐结果多样性,并且对预测项目的搭配情况有一定的效果。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.3

【参考文献】

中国期刊全文数据库前10条

1 丁宇新;燕泽权;冯威;薛成龙;周迪;;基于有监督主题模型的排序学习算法[J];电子学报;2015年02期

2 徐勇;陈建国;胡凌云;张林;周善英;;基于泛化语义相似的科技文献混合推荐算法[J];情报理论与实践;2013年02期

3 ;A Collaborative Filtering Recommendation Algorithm Based on Item and Cloud Model[J];Wuhan University Journal of Natural Sciences;2011年01期

4 王玉祥;乔秀全;李晓峰;孟洛明;;上下文感知的移动社交网络服务选择机制研究[J];计算机学报;2010年11期

5 吴湖;王永吉;王哲;王秀利;杜栓柱;;两阶段联合聚类协同过滤算法[J];软件学报;2010年05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 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

8 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

9 潘红艳;林鸿飞;赵晶;;基于矩阵划分和兴趣方差的协同过滤算法[J];情报学报;2006年01期

10 张海鹏;李烈彪;李仙;周亚蜂;;基于项目分类预测的协同过滤推荐算法[J];情报学报;2008年02期