基于改进的SVD++和用户行为分析的电影推荐算法

发布时间：2021-04-04 07:39

　　第三次工业革命以来,尤其是1989年万维网的出现,使得网上的信息量逐年呈指数级增加,在互联网上,各种形式的信息以不同的类型呈现在网页上:如文字、图像、视频、音频、图表等等。在众多的网络信息媒体中,电影视频作为人们喜闻乐见的内容需求具有广大的受众。电影视频作为文化娱乐的重要内容,相比文字能传递更多的信息,影视传媒在人们的精神生活中发挥着其它媒体所无法比拟的作用。因此对于电影视频推荐网站,如果用户在网站中查找感兴趣的电影时,需要花费大量的精力筛选感兴趣的视频,这无疑降低了用户的体验,也不利于网站的发展。因此,越来越多的网站引入了推荐算法,由此给用户提供一些建议,将用户可能感兴趣的影视内容展现在用户的眼前,供用户筛选。传统的电影推荐算法一般利用评分矩阵计算用户之间的相似度,选取目标用户的最近邻居集,然后进行推荐。但是普遍存在数据稀疏、推荐准确率低等问题。本文针对这些问题,对传统的电影推荐算法进行研究,并加以改进。主要工作如下:（1）梳理归纳了经典的电影推荐算法及其应用,以及一些学者对推荐算法的研究成果。针对传统电影推荐算法的优缺点进行分析,并思考如何用最新技术来提升推荐的性能。（2）目前电影... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

CBOW框架图

第 2 章 相关工作定义词向量的维度大小 M，以及 CBOW 的上本中的每一个词，其前面的 c 个词和后面的 c 个本身作为样本的输出，期望 softmax 概率最大 模型前，我们需要先将词汇表建立成一颗霍夫现的次数建立。对于从输入层到隐藏层（投影 周围的 2c 个词向量求和取平均即可。我们把之x 层的概率计算变成了一颗二叉霍夫曼树，那沿着树形结构进行就可以了。如下图 2-4 所示点一直走到我们的叶子节点的词 w2。

第 3 章 基于改进的 SVD++的电影推荐算法中的“剧情”、“情节”、“内容”这三个词具有极高的相似度，所以若将户评论文档中的所有电影特征词来表征用户的电影偏好，肯定会使得结度非常高，因此需要对电影评论文本进行处理，选取那些最具代表性的。某用户在豆瓣电影推荐网站的评论如图 3-1 所示，

【参考文献】：
期刊论文
[1]协同过滤算法中冷启动问题研究[J]. 邵煜,谢颖华.  计算机系统应用. 2019(02)
[2]融合社区结构和个人兴趣的协同过滤推荐算法[J]. 顾寰,杨长春,吴云,徐筱.  计算机工程与设计. 2018(11)
[3]基于用户兴趣模型的推荐算法[J]. 于波,杨红立,冷淼.  计算机系统应用. 2018(09)
[4]基于评论的影片个性化推荐方法[J]. 董学阳,郜山权,刘磊,刘华虓.  吉林大学学报(理学版). 2018(04)
[5]基于内容和兴趣漂移模型的电影推荐算法研究[J]. 吕学强,王腾,李雪伟,董志安.  计算机应用研究. 2018(03)
[6]一种基于特征的混合推荐方法[J]. 王盛,文卫东.  计算机与数字工程. 2017(02)
[7]国内电子商务网站推荐系统信息服务质量比较研究——以淘宝、京东、亚马逊为例[J]. 洪亮,任秋圜,梁树贤.  图书情报工作. 2016(23)
[8]情感分析在电影推荐系统中的应用[J]. 雷鸣,朱明.  计算机工程与应用. 2016(10)
[9]基于用户兴趣模型的协同过滤推荐算法[J]. 梁天一,梁永全,樊健聪,赵建立.  计算机应用与软件. 2014(11)
[10]一种基于网站聚合和语义知识的电影推荐方法[J]. 周文乐,朱明,陈天昊.  计算机工程. 2014(08)

硕士论文
[1]基于运营商管道大数据的智能电商推荐系统[D]. 金石.南京邮电大学 2018
[2]基于扎根理论的资讯类APP无标签用户使用行为研究[D]. 柯烁.暨南大学 2018
[3]基于用户兴趣和主题模型的混合推荐算法的研究与实现[D]. 胡芳燚.北京邮电大学 2018
[4]基于时间效应的农产品推荐系统研究与实现[D]. 许元吉.安徽农业大学 2018
[5]影响在线评论有用性的因素研究[D]. 覃亮.大连理工大学 2017
[6]基于物品协同过滤的个性化视频推荐算法改进研究[D]. 卜旭松.宁夏大学 2015
[7]基于用户行为的动态推荐系统算法研究及实现[D]. 赵钕森.电子科技大学 2013
[8]基于个性化推荐引擎组合的推荐系统的设计与实现[D]. 陈诺言.华南理工大学 2012



本文编号：3118006