基于web数据挖掘的个性化推荐系统研究

《基于web数据挖掘的个性化推荐系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391单位代码：10190研究生学号：201307007密级：无硕士学位论文基于Web数据挖掘的个性化推荐系统研究ResearchonPersonalizedRecommendationSystembasedonWebDataMining研究生姓名：刘鑫峰专业：计算机科学与技术指导教师姓名：李万龙指导教师职称：教授2016年04月硕士学位论文长春工业大学硕士学位论文原创性声明本人郑重声明：所呈交的硕士学位论文，《基于web数据挖掘的个性化推荐系统研究》是本人在指导教师的指导下，独立进行研究工作所取得的成果。

2、除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：年月日长春工业大学硕士学位论文版权使用授权书本学位论文作者及指导教师完全了解“长春工业大学硕士学位论文版权使用规定”，同意长春工业大学保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段

3、保存和汇编学位论文。作者签名：年月日校内指导教师签名：年月日硕士学位论文摘要随着互联网发展和电子商务规模不断的扩大，信息过载问题日益的严重。个性化推荐系统是一种解决信息过载问题的有效方法，它能够主动的去为用户推荐个性化信息并动态的根据用户需求做出调整。现在个性化推荐系统已经成为电子商务系统不可或缺的一部分。本文首先对web数据挖掘和个性化推荐相关技术做了研究，并对个性化推荐系统存在的不足做了分析。针对个性化推荐系统冷启动和矩阵稀疏的问题，采用Web数据挖掘的方法对用户收藏、浏览或产生关联的商品进行隐式评分，同时提出了一

4、种基于K-means聚类和SVD降维的混合协同过滤方法。通过实验对比分析，发现改进后的协同过滤方法不仅缓解了冷启动和矩阵稀疏的问题，在推荐精度方面也得到了改善。针对个性化推荐系统推荐漂移问题，提出了一种基于时间遗忘函数的数据加权方法，构建能够反映出用户兴趣变化的评分机制，加权后的评价信息更符合人的遗忘规律，推荐算法也会根据用户兴趣变化智能的做出调整，在一定程度上缓解了用户兴趣偏移的问题。最后，对基于Web数据挖掘的个性化推荐系统从功能、结构等角度进行了设计，并对推荐引擎做出了改进。关键词：web数据挖掘协同过滤遗忘函数

5、聚类奇异值降维I硕士学位论文AbstractWiththecontinuousexpansionofthescaleofdevelopmentoftheinternetande-commerce,informationoverloadisbecomingincreasinglyserious.Personalizedrecommendationsystemisanimportantwaytosolvetheproblemofinformationoverload,itcantaketheinitiativetoreco

6、mmendtoinformationwhichusersareintrestedinanddynamicallymakeadjustmentsaccordingtouserneeds.NowPersonalizedrecommendationsystemhasbecomeanimportantpartofe-commercesystem.Thispaperhasaresearchonthetechnologyofdataminingandwebdataminingandanalyzetheshortcomingsofp

7、ersonalizedrecommendationsystematfirst.Focusontheproblemsofcold-startingandsparsity,thesystemcanratingtheuser'sfavorite,browsingorassociatedgoodsinanimplicitwaybyusingwebdataminingandproposeahybridcollaborativefilteringmethodincludingthemethodofK-meansclustering

8、andSVD.Throughtheexperiment,theimprovedalgorithmhasbetterresultsinsparsity,accuracyandcold-starting.Focusontheproblemsofmonotonousrecommendation,thispaperproposeafunc