个性化推荐算法研究

《个性化推荐算法研究》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、密级公开分类号TP391工程硕士学位论文个性化推荐算法研究杨举指导教师刘白林副教授贾君君高级工程师申请学位级别工程硕士工程领域软件工程2018年5月4日个性化推荐算法研究学科：软件工程研究生签字：学校导师签字：企业导师签字：摘要随着计算机技术和网络技术的快速发展，互联网应用与服务呈爆发式增长，数以亿计的资源信息被产生，“信息过载”成为影响人们工作与生活的重要问题。推荐系统作为解决信息过载的主要途径之一,已经被广泛应用于社交网络、内容服务以及电子商务等多个领域。虽然推荐系统的研究与应用取得了较大进展，但随着时间的推移，外部情境与内部需求都发

2、生巨大的转变。为了顺应了技术发展的潮流，本文从两个方面进行研究：一是在协同过滤算法中研究了推荐系统的稀疏性、冷启动和概念漂移问题；二是在群组推荐情境中研究了推荐序列公平性和排序问题。论文工作主要包括：（1）提出了基于邻域模型和动态时间的协同过滤算法。首先采用了一种更加准确的基准值偏好模型，提高了相似度的准确性，其次对评分预测算法存在误差的问题，提出结合行为数据和联合派生插值权重的计算方法；然后为了应对推荐过程中用户的喜好随时间动态变化的特性，引入了时间衰减函数来改善动态变化问题对推荐精度的限制；最后在数据极端稀疏的情况下重新定义了冷启动问

3、题，采用了阈值条件判断对评分结果进行修正。（2）提出了基于群组推荐系统的矩阵分解推荐算法。首先从群组发现角度改善公平性问题，利用奇异值分解（SVD）算法对数据中的隐语义因子进行识别，再根据计算得来的隐语义因子对用户群组进行划分；其次针对群组内推荐序列排序问题，采用了游走二部图的算法对推荐序列进行排序。（3）采用MovieLens数据集对上述算法分别进行了实验，验证了本文算法的有效性。本文提出的协同过滤推荐算法在RMSE和MAE分别比传统算法低1.8%和1.9%；数据稀疏度分别为96.217%、97.478%和98.739%情况下，本文算法

4、相对其他两种变化度不大，RMSE和MAE维持在0.93和0.73附近。通过对比群组推荐算法的效果，本文算法能够最大限度的改善群组推荐结果，在群组大小为64的情况下，对随机群组推荐精度的改善比达到了3.91%。实验结果表明：（1）改进后的协同过滤推荐算法更加准确，同时可以一定程度的解决稀疏性、冷启动和概念漂移问题。（2）通过SVD算法识别隐语义因子，对隐语义因子进行聚类划分的群组发现方法，可以提高群组用户对推荐序列的满意度，游走二部图的方法可以改善推荐序列，提升群组用户的共识度。关键字：推荐算法；协同过滤；群组推荐；信息过载Research

5、onPersonalizedRecommendationAlgorithmDiscipline:SoftwareEngineeringStudentSignature:SupervisorSignature:AbstractWiththerapiddevelopmentofcomputertechnologyandnetworktechnology,Internetapplicationsandserviceshaveundergoneexplosivegrowth.Hundredsofmillionsofresourceinformat

6、ionhavebeengenerated."Informationoverload"hasbecomeanimportantissuethataffectspeople'sworkandlife.Asoneofthemainwaystosolvetheinformationoverload,therecommendationsystemhasbeenwidelyusedinmanyfieldssuchassocialnetwork,contentserviceande-commerce.Althoughgreatprogresshasbe

7、enmadeintheresearchandapplicationoftherecommendedsystem,overtimetheexternalsituationandinternaldemandhaveundergonetremendouschanges.Inordertoadapttothetrendoftechnologydevelopment,thispaperstudiesfromtwoaspects:oneistostudythesparseness,coldstartandconceptdriftofthepropos

8、edsysteminthecollaborativefilteringalgorithm;thesecondistostudytherecommendedsequenceinthegroupr