基于用户评分和用户特征的混合协同过滤算法研究

《基于用户评分和用户特征的混合协同过滤算法研究》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、分类编号：——密级：——单位代码：—100—65学号：—12100—90005天滓3

2、币苊大学研究生学位论文论文题目：基王且庄证盆塑旦应挂堑丝湿金坯回过选篡法硒塞学生姓名：查连歪申请学位级别：亟±申请专业名称：塾直这苤堂研究方向：麴据揎揭指导教师姓名：瑟挂薹专业技术职称：塾拯提交论文日期：圣Q!昼生墨旦垒皇目天津师范大学硕士研究生论文原创性声明本人声明所呈交的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的地方外，论文中不包含其他入已经发表或撰写过的研究成果，也不

3、包含为获得苤洼盟蕉盘堂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。论文作者签名：印撕嗍彬年占月z日研究生学位论文使用授权说明(必须装订在提交学校图书馆的印刷本)本人完全了解天津师范大学关于收集、保存、使用研究生学位论文的规定，即：·按照学校要求向图书馆提交学位论文的印刷本和电子版本；·图书馆有权保存学位论文的EpJIilll本和电子版，并通过校园网向本校读者提供全文与阅览服务。·图书馆可以采用数字化或其它手段保存论文；·因某种特殊原

4、因需要延迟发布学位论文，按学位论文保密规定处理，-保密论文在解密后遵守此规定。论文作者签名：诉惭导师签名：日期：仞污年6,El2Et天津师范大学硕士研究生论文摘要随着互联网的发展和大数据时代的到来，个性化推荐服务已经成为一种新的趋势。协同过滤算法是目前推荐系统中应用最成功和使用最广泛的技术之一，它根据近邻用户的兴趣偏好为目标用户产生推荐。这种算法在快速发展的同时也面临着数据稀疏性、冷启动问题等挑战。本文提出了一种基于用户评分和用户特征的混合协同过滤算法，该算法综合考虑用户特征和用户评分计算用户之间的相似性。同

5、时，本文又将用户特征划分为用户人口统计学特征和用户话题特征，并建立了用户人口统计学特征与话题特征的对照库。若目标用户为老用户，通过加权的方法综合考虑用户人口统计学特征、用户话题特征和用户评分来进行用户之间相似度的计算。若用户为新用户，通过用户人口统计学特征和话题特征对照库，确定该用户的话题特征，并根据Jaccard系数进行相似度的计算。最终，系统为目标用户产生推荐。本文采用MovieLens数据集作为算法实验的数据，通过对比传统协同过滤算法与本文提出的算法平均绝对误差来进行算法准确度的检验。实验结果表明本文提

6、出的算法在一定程度上提高了协同过滤算法的精确度，并改善了算法的冷启动问题，从而提高了推荐的质量和系统的性能。关键字：用户评分，协同过滤，用户人口统计学特征，用户话题特征天津师范大学硕士研究生论文ABSTRACTWiththedevelopmentofinteractandthecomingoftheageofbigdata,personalizedrecommendationserviceshasbecomeanewtrend．Collaborativefilteringisoneofthemostwidel

7、yusedandsuccessfulmethodsforrecommendation，whichgeneratingrecommendationsforthetargetuserbythepreferenceinformationofhisneighborhoods．Withthefastdevelopmentofcollaborativefiltering，ithasmanychallenges，suchasdatasparsity,cold-startandSOon．AhybridCollaborativ

8、eFilteringAlgorithmbasedonusers’rmingandusers’featuresisproposed．Thisalgorithmconsidersusers’characteristicsandusers’ratingstocalculatethesimilaritybetweenusers．Simultaneouslyusers’featuresaredividedintousers’demographiccharacteristicsandusers’preferences．A

9、ndthedatabaseofdemographiccharacteristicsandpreferenceisestablished．Ifthetargetuserisanolduser,withthemethodofweight，thisalgorithmconsideringusers’demographiccharacteristics，users’preferenceandusers’rm