个性化推荐多维度聚合算法应用研究

《个性化推荐多维度聚合算法应用研究》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ＴＰ３９１．１学号１５１０５０２３５密级Ｘ＇ｉａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ全日制学术型硕士学位论文＿题目个性化推荐多维度聚合算法—应用研究韦文娟作者姓名导师姓名、职称韩家新教授学科（专业）名称计算机应用技术提交论文２０１８年６月５日日期学位论文创新性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成。果尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含

2、其他人己经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研宄所做的任何贡献均己在论文中做了明确的说明并表示了谢意。一申请学位论文与资料若有不实之处，本人承担切相关责任。论文作者签名：曰期：ＭｌＪｌｉａ学位论文使用授权的说明本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研宄生在校攻读学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、公开阅览、借阅以及申请专利等权

3、利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为西安石油大学。论文作者签名：日期：糾岭“介导师签名日期：？注：如本论文涉密，请在使用授权的说明中指出〔含解密年限等）。中文摘要论文题目：个性化推荐多维度聚合算法应用研究专业：计算机应用技术硕士生：韦文娟(签名)指导教师：韩家新(签名)摘要传统的基于用户的协同过滤推荐算法假设用户在每个产品只有一个评分，并通过欧式距离或余弦相似性计算用户在产品间的评分相似性，忽略用户在产品属性评分的偏好以及产品属性间

4、的相关性，因此，导致推荐的准确度受到影响。本研究针对这一问题，提出一种基于度量学习的多维度聚合推荐算法，并将改进的算法应用于酒店推荐中。本文主要工作有以下几个方面：1.分析用户在产品维度评分信息对用户近邻集合生成的影响，提出在用户近邻集合计算过程中加入用户对产品各维度的评分，以考虑用户对产品的个性化特征。对存在的评分缺失问题，利用情感分析技术从用户评论中分析用户的情感倾向，获取用户的情感值，并利用该情感值完成评分缺失数据填充。通过实验验证，评分维度的扩展提高了推荐的准确率。2.对于协同过滤算法中产品

5、维度的扩展问题，提出基于度量学习的多维度聚合算法，针对产品属性间存在的相关性，其利用马氏距离学习用户在不同产品的相同属性的评分偏好矩阵，完成用户-产品初始多维评分矩阵获取，在此基础上，引入聚合函数为每位用户训练回归函数。该算法通过构造用户总评分与产品各属性之间的关系聚合函数，并将它应用于采用度量学习得到的用户初始多维评分中，实现产品评分预测。实验结果表明，改进的算法提高了推荐的准确度。3.根据酒店推荐的意义，将本文改进的算法应用于酒店推荐中。实现目标用户推荐TOP-K酒店和TOP-N邻居及相似性的生

6、成，实现为用户最大效益推荐。关键词：推荐算法；个性化推荐；度量学习；多维度聚合；预测算法论文类型：应用研究(本文得到陕西省国际合作与交流项目(2016kw-047)资助)II英文摘要Subject：ApplicationandResearchonPersonalizedRecommendationMulti-dimensionalAggregationAlgorithmSpeciality：ComputerApplicationTechnologyName：WeiWenjuan(Signature)

7、Instructor：HanJiaxin(Signature)ABSTRACTTraditionaluser-basedcollaborativefilteringrecommendalgorithmassumesthatonescoreisgivenbyeachuserforeveryproduct,andachievesratingsimilaritybycalculationtheEuclideandistanceorcosinesimilarity,whichignoresuserprefe

8、rencesandtherelationshipamongproductattribute,thustherecommendationaccuracyisaffected.Tothisend,ametriclearningbasedmulti-dimensionalaggregationrecommendalgorithmisproposed,andthenthisalgorithmisappliedtohotelrecommend.Theworkofthisthes