基于修正评分的协同过滤推荐算法研究

发布时间：2021-01-25 16:17

　　互联网的快速发展在给人带来便利的同时,也产生了大量的数据冗余,如何在大量数据中检索到用户需要的数据以及给用户精准推荐是目前所面临的问题。推荐系统其作为信息过滤的有效手段,逐渐成为计算机学术和应用领域的热门研究对象,在互联网系统中被广泛地使用。传统的推荐算法被划分为基于用户的推荐算法和基于项目的推荐算法,而协同过滤推荐算法作为经典的基于用户的推荐算法被广泛应用,但是依然面对诸如推荐效率低、矩阵稀疏、用户异常值、事务多分类等问题。因此本文针对传统的协同过滤算法进行深入研究,从评分矩阵的修正和多维属性两个方面进行改进,利用评分矩阵的修正,解决传统算法中关于用户最近邻搜索困难、用户异常值以及多维事务推荐等问题。本文的工作如下:（1）本文在传统算法的基础上针对协同过滤算法推荐效率低、矩阵稀疏、用户异常值等问题,提出修正评分的协同过滤算法。算法首先通过聚类提高用户最近邻的搜索效率,针对传统算法中加权评分无法解决异常值问题,本文提出修正评分作为衡量指标以解决用户异常值对于推荐算法精度的干扰。由于传统算法仅考虑了用户与用户之间的相关性,没有考虑事务与事务之间的关联,在给用户进行推荐时导致推荐结果失真。... 

【文章来源】：西北师范大学甘肃省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

图2-3层次聚类模型

第3章修正评分的协同过滤算法19协同聚类组以后再通过采用pearson相关系数对相应的用户聚类组进行协同过滤,得到符合条件的用户推荐聚类组。由于我们传统的用户协同过滤的算法只是考虑到了商品与用户组间的关联而完全忽略了推荐商品与其他商品间的关联,导致推荐商品精度的不足以及异常值的问题。本文结合加权评分和关联规则中的置信规则提出修正评分的协同过滤算法，以更好地保证协同过滤算法推荐的精度。本文算法将用户-商品购买记录的商品权重作为原始数据，把整个推荐过程分为以下几个步骤：1）数据预处理：对用户的商品数据字符重编码，并对应用户的商品权重。2）用户聚类：利用k-means聚类对用户购买行为数据进行聚类，得到用户聚类组。3）协同过滤，计算聚类组中目标用户和其他用户之间的相关系数，构建推荐组。4）考虑商品—商品的关联，推荐组中计算目标用户对商品的加权评分以及商品—商品的置信度，用新的衡量指标：修正评分，对商品进行推荐。5）产生推荐结果：对商品修正评分降序排列推荐给目标用户3.2.1数据预处理下图是某电商平台某用户购物页面截图，包含用户个人购物信息，为了给用户更精准推荐感兴趣的商品以及让数据更加直观，我们需要对用户-商品信息进行冲编码，用户重编过程以及结果如表3-1所示。图3-1用户-商品原始数据图用户-商品数据按字符格式重编码，字母u组合不同数字表示不同用户。字母

西北师范大学硕士学位论文30事务多分类问题，我们无法采用修正评分很好的衡量推荐结果，因此在本章在修正评分的基础上结合事物多属性分类问题提出事务多划分策略。图4-1动作类电影数据集图4-2科幻类电影数据集

【参考文献】：
期刊论文
[1]修正评分的协同过滤算法[J]. 贾俊杰,余钦科.  小型微型计算机系统. 2019(12)
[2]基于用户特征的协同过滤推荐算法[J]. 蒋宗礼,于莉.  计算机系统应用. 2019(08)
[3]基于协同过滤的多维度电影推荐方法研究[J]. 张家鑫,刘志勇,张琳,张倩,莎仁.  长春理工大学学报(自然科学版). 2019(02)
[4]基于信任聚类的协同过滤推荐算法[J]. 王菲,黄刚,朱峥宇.  计算机技术与发展. 2019(05)
[5]基于多维度用户相似性度量的协同过滤推荐算法[J]. 王明佳,韩景倜.  统计与决策. 2018(09)
[6]网络大数据:现状与展望[J]. 李慕白.  信息通信. 2018(01)
[7]基于均值预估的协同过滤推荐算法改进[J]. 蒋宗礼,王威,陆晨.  计算机技术与发展. 2017(05)
[8]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华.  软件学报. 2015(06)
[9]面向新读者和新图书的数字图书馆个性推荐冷启动问题研究[J]. 凌霄娥,周兵,李克潮.  情报理论与实践. 2014(08)
[10]基于网络和标签的混合推荐算法[J]. 张新猛,蒋盛益,李霞,张倩生.  计算机工程与应用. 2015(01)

博士论文
[1]协同过滤推荐系统关键问题研究[D]. 孔维梁.华中师范大学 2013

硕士论文
[1]基于聚类的协同过滤推荐算法研究[D]. 陈传瑜.广东工业大学 2016
[2]基于聚类的协同过滤个性化推荐算法研究[D]. 袁利.华中师范大学 2014



本文编号：2999524