基于时间感知和社交网络信任度的协同过滤算法研究

《基于时间感知和社交网络信任度的协同过滤算法研究》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；１０３００：２０１３１２４５５８２密级：学号硕±学位论文Ｉ．一．Ｉ．．．＿‘－於＇ｔ－ｔ基于时间感知和社交网络信任度的协同娃滤算法妍究ＲｅｓｅａｒｃｈｏｆｒａｔｉｖｅｌｔｅｒｉｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎＣｏｌｌａｂｏＦｉｇｇＴｉｍｅＡｗａｒｅｎｅｓｓａｎｄＳｏｃｉａｌＮｅｔｗｏｒｋＴｒｕｓｔ申请人姓名：郭莉敏．指导教师：马廷淮教授专业卷称：缺件工程＇＇■－－？’研究方向－：数据挖掘＾所在学院＾：

2、计黨祝与软件学院二〇—六年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研。本论文除了文中特别加Ｗ标注和致谢的内容外究成果，不包含其他人或其他机构已经发表或撰写过的研究成果，也不包含为获得南京信息工程大学或其他教育机构的学位或证书而使用过的材料。其他同志对本研巧所做的贡献均己在论文中作了声明并表示谢意。学位论文作者签名：签字日期；＿２ｏＺＬＪｚＪｉ＿种睾１歌关于论文使用授权的说明南京信息工程大学、国家图书馆、中国学术期刊（光盘版）杂志社、中国科学技术信息研究所的《中国学位论文全

3、文数据库》有权保留本人所送交学位论文的复印件和电子文档，可Ｗ采用影印、缩印或其他复制手段保存论文，并通一致过网络向社会提供信息服务。本人电子文档的内容和纸质论文的内容相。除在保密期内的保密论文外，允许论文被查阅和借阅，可Ｗ公布（包括刊登）论文的全部或部分內容。论文的公布（包括刊登）授权南京信息工程大学研究生院办理。马／公开□保密（年＿月）（保密的学位论文在解密后应遵守此协议）＇学位论文作者签名：拜襄Ｉ如签字日期：２ｏｌｂ．Ｌ１９指导教师签名：：奶．．■签字曰期化６？，／．ｉｔ目录摘ＳＩＡｂ

4、ｓｔｒａｃｔＩＩ一第章引胃１１．１研究背景和意义１１．２国内外研究现状３１．３论文主要研巧内容５１．４论文组织结构６第二章推荐系统及协同过滤算法综述７２．１推统简介７２丄１推荐系统的发展７．２．１２推荐系统的内涵９２．２协同过滤算法介绍１０２．１１０．２基于用户的协同过滤推荐技术２．２．２基于物品的协同过滤推荐技术口２．２．３基于模型的协同过滤推荐技术１３２．３推荐系统数据集１６２ｔｔ．３．１ＭｏｖｉｅＬｅｎｓＤａａｓｅ１６２．３．２ＮｅｔｆｌｉｘＤａｔ

5、ａｓｅｔ１６２．３．３Ｙａｈｏｏ！ＭｕｓｉｃＤａｔａｓｅｔ１７２．４ＢｏｏｋｃｒｏｓｓｉｎＤａｔａｓｅｔ１７．３ｇ２．４推荐系统评估１７２．１１８．４准确度２．４．２覆盖度１８２．４．３召回率１９２．４．４新颖性１９２．４．５扩展性１９２２０．５本章小结第Ｈ章基于时间感知的协同过滤算法２１３２１．１传统协同过滤算法面临的问題３丄１近邻选挥未考虑目标物品２１Ｉ３丄２动态性问题２１３丄３数据稀疏性Ｗ及冷启动问题２２３．２协同过滤算法中相似度计

6、算的改进２２３．２．１相似度函数的改进．２２３．２．２预測目标物品评分值２５３ＣＦ．２．３改进的ＵＩ算法２５３．３实验设计与分析２６３．３．１实验设计２６３．３．２实验结果及分析２７３．３．３参数调整３０３．车本章小结—３０第四章基于社交网络信任度的协同过滤算法３２４．１社交网络定义及表示３２４．２．１社交网络定义３２４－２．２壮交网络表示巧４．２基于社交网络信任度的协同过滤算法３４４．２．１识别信任用户３４４．２．２预测评分值３５４．２．３算法基本步

7、骤；３６４．３实验及分析３７４．３．１数据集特点３７４．３．２实验评估３７４．３．３参数调整３９４．４本章小结３９第五章总结及展望４０５．１工作总结４０５．２研巧展望４１参考：＾献４３作者敞５３凸摘要随着互联网的迅速发展，推荐系统已经广泛地应用在电影、音乐ｗ及电子商务网站等众多领域中。协同过滤算法是推荐系统中最为流行的技术，在互联网的众多领域发挥着核也作用。它能够根据用户的历史评分数据搜索相似的用户或物品。尽管协同过滤算法已被成功地应用到众多的电，然后进行评分预测子商

8、务推荐系统中，但仍然面临着诸如数据稀疏性、冷盾动Ｗ及用户兴趣变化