基于用户的协同过滤推荐算法的改进研究

《基于用户的协同过滤推荐算法的改进研究》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、学校代码：10385分类号：研究生学号：1300220004密级：基于用户的协同过滤推荐算法的改进研究Improvementofcollaborativefilteringrecommendationalgorithmbasedonuser作者姓名：刘辉指导教师：陈维斌(教授)合作教师：学科：计算机软件与理论研究方向：推荐算法及应用所在学院：计算机科学与技术学院论文提交日期：二零一六年六月三日摘要摘要随着网络的普及及发展，推荐系统越来越多地被应用在实际的商业应用中，越来越多的企业看到了推荐系统的价值。但是推荐系统

2、在应用过程中，存在着数据稀疏性、可扩展性、用户兴趣随着时间或者空间的转移、推荐质量等问题。鉴于实际应用过程中推荐系统出现的弊端，通过研究分析基于用户的协同过滤推荐算法，本文找到了分别从用户和项目的维度对该算法进行了改进的方法。在用户维度上，本文提出了一种基于用户的局部最近邻和类别喜好度的协同过滤推荐算法来解决用户兴趣转移和数据稀疏性问题。该算法利用K-mean聚类算法先把项目进行分类，再在每个类别上进行分析研究，计算用户在每个类别上的相似度，从而得到用户在每个类别上的推荐项目。提出用户的类别喜好度的三种计算法方法

3、，并将用户对每个类别的喜好度作为权重，综合每个类别上的推荐项目，得到最终的推荐项目。由于算法考虑了用户在局部相似性的问题和用户的类别喜好度的问题，所以改进后的算法具有更好的推荐效果。在项目维度上，本文提出了基于最近邻用户关联规则挖掘的协同过滤推荐算法来解决数据稀疏性问题。该算法首先通过相似度计算找到目标用户的最近邻，然后针对相邻用户的评分项目，进行关联规则挖掘，找出项目之间的关联性。在基于FP树的关联规则挖掘过程中，固定频繁一项集个数，动态调整最小支持度，从而一定程度上缓解基于用户的协同过滤推荐算法在数据稀时遇到

4、的推荐质量问题。根据目标用户已有的评分项目和得到的关联规则，生成推荐项目的集合。然后根据相似用户对推荐项目集合中的项目进行评分预测，将评分较高的前N个项目推荐给用户。实验结果表明，对比传统的推荐算法，基于最近邻用户关联规则挖掘的协同过滤推荐算法对推荐系统的准确度有一定的提升，提高了推荐质量。关键词：协同过滤K-means聚类类别喜好度关联规则挖掘IAbstractAbstractWiththepopularizationanddevelopmentofthenetwork,therecommendationsys

5、temismoreandmoreusedinthepracticalapplicationofthebusiness.Moreandmoreenterpriseshaveseenthevalueoftherecommendedsystem.However,intheapplicationprocess,therearesomeproblemssuchasdatasparsity,scalability,userinterest,andthetransferoftimeorspace.Inviewofproblem

6、sofrecommendationsysteminthepracticalapplication,thispaperanalyzesthecollaborativefilteringalgorithmbasedonusers,foundseparatelyimprovedmethodsfromtheuserandprojectdimensionsofthisalgorithm.Inuserdimension,thispaperproposesacollaborativefilteringrecommendatio

7、nalgorithmbasedonuser'slocalnearestneighborandcategorypreference,whichcansolvetheproblemofuserinteresttransferanddatasparsity.ThealgorithmusingK-meanclusteringalgorithmisthefirstprojectfortheclassificationandagainineachcategorywereanalyzed,thecalculationineac

8、hcategorysimilarityofusers,thusobtainstheuserineachcategoryofrecommendeditems.Threecalculationmethodsareproposedtocalculatethedegreeofpreferenceoftheuser,andtheuser'spreferenceofeachcateg