基于web挖掘的个性化推荐算法研究

《基于web挖掘的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、ResearchonapersonalizedrecommendationalgorithmbasedonWebminingThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByZhangXiaoleiSupervisor:Prof.SunZhixinFebruary2014万方数据南京邮电大学学位论文原创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

2、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的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文

3、被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签名：____________日期：_____________万方数据摘要随着IT技术、web2.0技术以及云计算技术等的不断发展，信息超载问题使人们在面对海量数据寻找满足自己需求的信息时变得手足无措；同时，信息检索个

4、性缺失问题是用户体验下降，系统用户流失的重要原因之一。本文介绍个性化推荐技术对解决这两大问题的作用与方法，并通过分析协同过滤算法思想原理及其所存在的不足，提出基于Web挖掘的个性化推荐算法，提高推荐系统的推荐质量与性能。为了解决传统的协同过滤算法中所存在的数据稀疏性、“冷启动”以及用户参与度高等问题，引入Web使用挖掘技术，通过挖掘用户的Web日志，了解用户的行为模式、兴趣爱好并构建“用户-项目”兴趣度矩阵，改变协同过滤算法的数据采集方式和数据表现形式：由显示用户评分转变为隐式用户项目偏好度；其次，为了解

5、决传统的协同过滤算法中相似度计算方法邻居误判问题、无法应对新用户或新项目“冷启动”问题等，引入单点作用度机制，从“用户-项目”兴趣度矩阵整体角度，考察用户向量的每个分量在计算用户相似度过程中的作用并加权影响相似度计算结果；最后，为了优化传统的协同过滤算法中邻居集产生的方法，算法衡量用户间项目推荐重要度的差异，对目标用户的相似用户集进行过滤产生最优邻居集。本文采集南京邮电大学Web服务器日志数据并对其进行Web使用挖掘，构建“用户-项目”兴趣度矩阵作为实验数据源，对基于Web挖掘的个性化推荐算法进行实验仿真

6、与测试，使用MAE、覆盖率、精确率和召回率四个算法评估指标将其与传统的基于PC的协同过滤算法进行比较，实验结果表明，基于Web挖掘的个性化推荐算法具有更高的推荐质量。综上所述，基于Web挖掘的个性化推荐算法通过分析传统的协同过滤算法所存在的问题，从数据源获取、相似度计算方法和邻居产生方法三个方面对其进行改进，引进Web挖掘技术、单点作用度机制和推荐重要度机制提高推荐结果的可靠性和准确性并得到了实验验证。关键词:个性化推荐，协同过滤，Web挖掘，单点作用度，推荐重要度I万方数据AbstractWiththe

7、developmentofITtechnology,web2.0technologyandcloudcomputingtechnology,ononehand,theproblemofinformationoverloadmakeitdifficultthepeoplesearchinformationtosatisfiytheirneeds;ontheotherhand,thelackofpersonalityofInformationRetrivalreducestheuserexperiencean

8、dleadstotheuserchurn.Thethesisintroducesthepersonalizedrecommendationtechnologyandexplainsitseffectandmethodtosolvetheaboveproblems;elaboratesthetheoryofcollaborativefilteringandanalyzesitsshortages;presentsapersona