基于邻域协同过滤推荐算法的研究及应用

《基于邻域协同过滤推荐算法的研究及应用》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、分类号学校代码10408密级研究生学号1520042003硕士学位论文基于邻域协同过滤推荐算法的研究及应用ResearchandApplicationofCollaborativeFilteringRecommendationAlgorithmBasedonNeighborhood学位申请人何俊导师姓名及职称李慧颖教授专业名称统计学研究方向统计计算及其应用所在学院研究生院论文提交日期2018-4-25景德镇陶瓷大学硕士学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集

2、体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日硕士学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权景德镇陶瓷大学可以将本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和汇编本学位论文。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：

3、年月日景德镇陶瓷大学硕士学位论文摘要摘要互联网的快速发展迎来电子商务繁忙时代，同时也衍生出信息过载问题。电影是人们日常生活中比较热门的娱乐休闲项目，如何从海量的电影资源中快速找到用户喜欢的电影并推荐给用户。为了解决这个问题，电影推荐系统应运而生，其核心思想是根据用户的偏好以及观影动作行为，使用算法程序自动的为目标用户推荐其感兴趣的电影信息。在推荐系统中，协同过滤推荐算法技术的应用最为广泛，但是，目前仍存在数据稀疏和噪声数据干扰等问题，使推荐系统的准确度有所下降。为了解决上述存在的问题，本文在前人研究基础上提出了算法改进，将KNN算法和SlopeOne算法进行优化，提出了基

4、于影响因子的KNN算法和基于KNN邻域的加权SlopeOne算法，目的是为了提升推荐算法的准确性，并在电影推荐系统中加以实现，具体内容如下：（1）详细阐述推荐系统的研究背景和意义，从推荐系统中推荐算法的角度分别对国内外研究状况进行了介绍，确定了本文主要研究的内容，同时研究了推荐系统的算法及流程，分析协同过滤推荐算法中存在的问题。（2）对于传统的推荐算法中的KNN算法存在的问题，如噪声数据的干扰问题、不同相似度的近邻用户对评分影响作用相同导致的预测准确度下降的问题，提出了一种基于影响因子的KNN改进算法。该算法目的是让最相近用户的评分在最终的评分结果中占据更大的权重，利用M

5、ovieLens数据集进行验证，实验结果表明，改进的KNN算法不但能避免噪声数据对预测结果的影响，还能提高KNN算法预测评分的准确度。（3）对于SlopeOne算法中存在的相似度极低削弱高相似度的作用效果问题，提出了一种基于KNN邻域的SlopeOne改进算法。该算法首先从目标用户中发现相似度高的K个用户开始，然后根据这些K个用户的评分来计算目标项目对其它项目的偏差大小，通过引入偏差来预测目标用户对该项目的评分。实验结果表明，基于KNN邻域的SlopeOne改进算法能够使用少量但质量高的评分去预测评分，不但在一定程度上改善协同过滤中存在的数据稀疏性问题，还可以提高Slop

6、eOne算法中预测评分的准确度。（4）根据目前资讯类电影网站的不足，设计并实现基于以上改进算法的电影推荐系统，该系统具备电影的发布、删除、修改、查询和推荐等功能，不仅能够查看电影同时能分析用户的兴趣偏好，形成准确的推荐列表，提升用户体验，从根本上解决传统电影资讯网站的弊端。关键词：协同过滤推荐系统KNN算法SlopeOne算法I景德镇陶瓷大学硕士学位论文AbstractAbstractThefastdevelopmentofInternetiscatchingupwiththebusyeraofe-commerce.Atthesametime,italsofacesthe

7、problemofinformationoverload.Filmisapopularrecreationalandrecreationalprojectindailylife.Inthefaceofmassivefilmresourcesinformationofvideosites,howtoquicklyfindusers'favoritemoviesfrommanymoviesisanurgentneedtobeconsidered.Theroleofmovierecommendationsystemistoautom