异质信息网络中基于邻域的协同过滤推荐算法

异质信息网络中基于邻域的协同过滤推荐算法

ID:33612230

大小:5.01 MB

页数:59页

时间:2019-02-27

异质信息网络中基于邻域的协同过滤推荐算法_第1页
异质信息网络中基于邻域的协同过滤推荐算法_第2页
异质信息网络中基于邻域的协同过滤推荐算法_第3页
异质信息网络中基于邻域的协同过滤推荐算法_第4页
异质信息网络中基于邻域的协同过滤推荐算法_第5页
资源描述:

《异质信息网络中基于邻域的协同过滤推荐算法》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、万方数据硕士学位论文异质信息网络中基于邻域的协同过滤推荐算法Heter-Neighbor:ANeighborhoodBasedRecommendationStrategyinHeterogeneousInformationNetworks学号:21117021大连理工大学DalianUniversityofTechnology万方数据大连理工大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导师的指导下进行研究工作所取得的成果。尽我所知,除文中已经注明引用内容和致谢的地方外,本论文不包含其他个人或集体已经发表的研究成果,也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同

2、志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处,本人愿意承担相关法律责任。学位论文题目:显厦焦!垦圈终主基王玺垫鲍边回过速整菱簋法作者签名:E丞醯日期:翌丝年—生月三日万方数据大连理工大学硕士学位论文摘要随着电子商务技术的发展,推荐系统的被广泛地应用于发掘用户兴趣,以提高商品销售量,在实际的推荐系统应用中,基于邻域的推荐系统是最为常见的推荐模型。在传统的基于邻域的推荐系统中,推荐过程首先通过用户物品之间的反馈关系来计算相似度矩阵进而确定自己的邻域节点,然后通过邻域节点的对于预测值进行影响。研究表明,将用户物品反馈信息和外部的信息例如电影的演员分类等,进行融合之后将会有

3、效的提高推荐系统的准确度,而且还能解决以前邻域模型中的高计算复杂度的问题。为了处理逐渐增加的数据类型,研究者们提出了将学术异质网络中的研究方法引入到推荐系统中来,但是这些新的模型并没有注意到基于反馈关系和其他外部数据之间的差异,而这将在实际的推荐过程中引发严重的性能和与运行时间问题。本文详细分析了用户电影数据与学者论文数据的用户行为的差异,并以此为基础重新定义了推荐系统中的异质网络(HIN.RECSYS),提出不通过不确定的用户一物品关系来确定初始邻域,以避免系统运行初期高耗时的相似度矩阵的计算。在此之后,本文提出了一种叫做Heter—Neighbor的模型通过将新确定的邻域和传统的sVD++

4、模型相结合,一方面通过外部数据快速的确定初始邻域,另一方面通过矩阵分解以及全局优化的方法将传统基于反馈的相似度进行快速迭代计算,保持了传统邻域推荐系统优势的同时,避免了因新数据的引入而导致系统运行时间的增加。经过实验分析发现Heter-Neighbor模型在处理异质网络数据的时性能要优于sVDH以及其他基于矩阵分解的经典算法。关键词:异质信息网络;邻域推荐;相似度万方数据Heter—Neighbor:ANeighborhoodBasedRecommendationStrategyinHeterogeneousInformationNetworksAbstractW讹therapiddevelo

5、pmentofe-commercesystems,recommendersystemshavebeenwidelyusedtoidentifyuserinterestautomaticallyandimproveitemsales。whereneighborhoodbasedmodelsarethemostlyusedinrealworldapplications.Intraditionalneighborhoodmodels,predictionsaremadebasedontheeffectsofneighbors,whichareidentifiedbycalculatinguserfe

6、edbaekbasedsimilaritymatrix.Therecentstudieshaveshownthatthecombinationofuser.itemfeedbackandexternalinformation,e.g.,usersocialrelationsormovieactors,willimprovetheperformanceofrecommendersystemaswellasreleasethesufferingsoftimeconsumingcalculationoftraditionalneighborhoodmodels.Tohandlewithincreas

7、ingtypesofdata.researchersproposedtousethemodelsinacademicheterogeneousinformationnetworksunderrecommendersystemcontext.However,mostofthesestudieshavenotnotice幽edifferencebetweentheuncertainuserfeedba

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。