基于观众行为的博物馆藏品推荐算法的研究与实现

发布时间：2022-07-29 15:32

　　当今互联网的迅猛发展,在各行各业产生了大量数据,这些数据或显式或隐式的记录了用户的行为以及偏好,利用这些数据可以发现用户的很多重要信息。近年来,传统博物馆的数字化、智能化为更好的服务观众提供了条件,博物馆可以利用观众的行为信息提供个性化的服务。因此,充分利用云计算、大数据以及推荐系统帮助观众发现自己可能感兴趣的藏品,寻找兴趣相似的人,可以为观众提供更好的游览体验。本文针对推荐算法面临的冷启动、数据稀疏性问题,混合使用了基于内容的推荐算法以及基于聚类的推荐算法进行推荐。本文首先介绍了本课题的研究背景,目前国内外智慧博物馆的发展状况以及推荐系统的国内外研究情况,同时阐述了个性化推荐系统相关的理论基础,对常用的推荐算法、评估指标、相似度计算、聚类算法和Hadoop大数据平台进行了说明,同时也分析了它们的优缺点。其次本文对博物馆的藏品数据和观众数据进行了预处理操作,得到了三个主要属性特征矩阵。然后对模糊聚类算法的初始聚类中心进行了优化,并且对优化的算法进行了MapReduce并行化,得到了新的MRKPFCM算法,同时进行实验验证了算法的有效性。之后针对解决协同过滤算法的稀疏性问题,将MRKPF... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 论文主要工作
    1.4 论文组织结构
第二章 个性化推荐相关理论
    2.1 推荐算法
        2.1.1 基于内容的推荐
        2.1.2 基于协同过滤的推荐
        2.1.3 混合推荐
        2.1.4 推荐系统评估指标
        2.1.5 相似度计算方式
    2.2 聚类算法
    2.3 Hadoop平台
    2.4 本章小结
第三章 博物馆数据处理及分析
    3.1 藏品数据处理
        3.1.1 藏品去重处理
        3.1.2 数据格式统一
    3.2 观众数据处理
    3.3 藏品关联度计算
        3.3.1 关联度计算方式
        3.3.2 藏品关联度计算
    3.4 本章小结
第四章 个性化推荐算法设计
    4.1 基于藏品内容的推荐算法
    4.2 模糊聚类算法的优化
        4.2.1 模糊C均值算法
        4.2.2 改进的模糊C均值算法
        4.2.3 实验结果分析
    4.3 基于Map Reduce的 KPFCM聚类算法
        4.3.1 Map Reduce原理
        4.3.2 基于Map Reduce的 KPFCM聚类算法
    4.4 基于MRKPFCM的推荐算法
        4.4.1 基于MRKPFCM和观众的并行化协同过滤推荐算法
        4.4.2 基于MRKPFCM和藏品的并行化协同过滤推荐算法
        4.4.3 基于MRKPFCM的混合并行化协同过滤推荐算法
    4.5 本章小结
第五章 系统实现与结果分析
    5.1 实验数据集和环境
        5.1.1 实验数据集
        5.1.2 实验环境
    5.2 可视化模块实现
    5.3 实验结果分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
附录
在读期间公开发表的论文
致谢



本文编号：3666719