基于聚类和项目类别偏好的协同过滤推荐算法研究

基于聚类和项目类别偏好的协同过滤推荐算法研究

ID:34595323

大小:3.33 MB

页数:79页

时间:2019-03-08

基于聚类和项目类别偏好的协同过滤推荐算法研究_第1页
基于聚类和项目类别偏好的协同过滤推荐算法研究_第2页
基于聚类和项目类别偏好的协同过滤推荐算法研究_第3页
基于聚类和项目类别偏好的协同过滤推荐算法研究_第4页
基于聚类和项目类别偏好的协同过滤推荐算法研究_第5页
资源描述:

《基于聚类和项目类别偏好的协同过滤推荐算法研究》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、浙江理工大学学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。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,也不包含为获得浙江理工大学或其他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谢意。学位论文作者签名:亏许签字日期:加1毕年了月/o曰学位论文版权使用授权书IIIIIIIIIIIIIIIIIIllllllllllllIH『Y2551796本学位论文作者完全了解逝婆堡王太堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘,允许论文被查阅和借阅。

2、本人授权逝选堡王太堂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和传播,可以采用影印、缩印或扫描等复制手段保存、。汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:盏辩签字目期:酬¥年3月?0日导师签名:签字A期:锄1唯年3月/。目浙江理工大学硕士学位论文摘要为解决网络信息过载问题,个性化推荐系统及推荐算法成为各界研究和应用的难点与热点。针对传统的协同过滤算法存在的可扩展性、数据稀疏性、冷启动以及同义词等问题,本文以提高个性化推荐系统中活动用户的最近邻居查询的质量和效率为出发点,重点对传统的协同过滤算法在应用中存在的可扩展性和数据稀疏性问题进行探讨,提出一种改进的

3、协同过滤推荐算法,并对所提出的算法进行实证分析,验证了本文研究成果的有效性和可行性。本文的主要工作如下:第一章:绪论部分。介绍了课题的研究背景、研究现状及存在的问题、本文的主要研究内容与研究思路以及论文的结构安排。第二章:个性化推荐系统及相关推荐技术。简述了电子商务推荐系统的分类、体系结构,介绍了基于内容的推荐、基于模型的推荐、组合推荐、协同过滤推荐技术及其推荐原理和步骤。第三章:基于K.means和项目类别偏好的用户聚类。针对协同过滤推荐存在的可扩展性问题,介绍了目前协同推荐中聚类算法的应用情况,提出了基于K.means和项目类型偏好的聚类算法。该算法通过对用户进行离线聚类,将项目类偏好相

4、似的用户划分到相同的用户簇,基于聚类推荐的在线邻居查找可以从与目标用户最近的若干个用户簇中进行,进而提高了邻居查询效率。第四章:基于聚类和项目类别偏好的协同过滤推荐算法。考虑到传统的基于用户的协同过滤算法在数据稀疏性环境下推荐质量不佳,本章首先提出了一种基于项目类别偏好的协同过滤推荐模型。该模型在目标用户的邻居集合确定阶段综合考虑用户的项目评分信息和项目类偏好信息,使得邻居查找更准确,提高了系统的推荐质量。然后结合第三章中提出的聚类算法和此模型形成基于聚类和项目类别偏好的协同过滤推荐算法,并给出其推荐流程。第五章:实验设计与结果分析。基于MovieLens数据集,对本文提出的改进算法进行了实

5、验仿真,相对于传统的协同过滤推荐算法,本文提出的改进算法具有良好的最近邻居查询效率,在一定程度上缓解了传统协同过滤算法存在的可扩展性问题,并有效地解决了传统的协同过滤算法在数据稀疏、高维情况下的推荐质量问题。T浙江理工大学硕士学位论文第六章:总结与展望。简单总结了论文的主要研究内容及成果,并且对论文的下一步的研究提出了一定的展望。关键词:个性化推荐;协同过滤;可扩展性;数据稀疏;项目类别偏好;聚类浙江理工大学硕士学位论文AbstractInordertosolvetheinformationoverloadproblem,recommendationalgorithmandpersonali

6、zedrecommendationsystembecomethefocusanddiffficultyoftheresearchandapplicationofvarious.Againstdatascarcity,scalabilityproblems,coldstartandsynonymsproblemoftraditionalcollaborativefilteringalgorithm,inordertoimprovethequalityofthetargetuser’snearestneighborsasthestartingpoint,thepaperproposedanimp

7、rovedCFalgorithminviewoftheexistingdatasparsenessproblemandsystemscalabilityproblemofthetraditionalCFalgorithmbasedonuser,andcarriedontheempiricalanalysistoverifythevalidityandfeasibilityoftheresearchresult

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。