基于标签和评分的协作过滤推荐算法研究

基于标签和评分的协作过滤推荐算法研究

ID:35066612

大小:5.51 MB

页数:57页

时间:2019-03-17

基于标签和评分的协作过滤推荐算法研究_第1页
基于标签和评分的协作过滤推荐算法研究_第2页
基于标签和评分的协作过滤推荐算法研究_第3页
基于标签和评分的协作过滤推荐算法研究_第4页
基于标签和评分的协作过滤推荐算法研究_第5页
资源描述:

《基于标签和评分的协作过滤推荐算法研究》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、学校代码;10589学号;13081200210001分类号;密级:二哪讀洁大聲硕±学位论文题目;基于标签和评分的协作过滤推荐算法研究作者:郭亚琼指导教师:黄巧醜教巧专业:计算机科学与技术—时间:二〇六年方月.\ResearchofCollaborativeFilteringAlgorithmBasedonTagandRatingAThesisSubmittedinPartialFulfillmentoftheReuirement

2、qFortheMaisterDegreeinCollegeofInformationScienceandTechnologyByGuo-YaqiongSuerv-xnpisor:HuangMeniggMaor:ComuterScienceandTechnolojpgySubmittedtime:Ma2016y,海南大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明;所呈交的学位论文,是本人在导师的指导下,独立进斤研巧工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他

3、个人或集体已经发表或撰写过的作品或成果。对本文的研巧做出重要贡献的个人和集体,均已在文中W明确方式标明。本声明的法律结果由本人承担。乂么论文作者签名;日期:年房月日!>巫谅j!学位论文版权使用授权说明本人完全了解海南大学关于收集、保存、使用学位论文的规定,即;学校有权。保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被査阅和借阅学校可W为存在馆际合作关系兄弟高校用户提供文献传递服务和交换服务。本人授权海南大学可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W采用影印。、缩印或扫描等复制手段保存和汇编本

4、学位论文^保密论文在解密后进守此规定。斗0\论文作者签名:郭巫齋导师签名:日期;年5月之日日期户年月日j言/""本人己经认真阅读CALIS高校学位论文全文数据库发布章程,同意将本人的""""CALIS学位论文提交高校学位论文全文数据库中全文发布,并可按章程中-规定享受相关权益。同意论文提巧后滞后;□半年;□年;□二年发布。一一论文作者签名:言巫?禄导师签名f日期年左月名1日日期年矣月巧要随着Internet和Web2.0技术的飞速发展,W云计算、大数据、移动互联网为主流特征的智能化信息时代己经来临。这必然导

5、致网络上信息资源呈现指数级别增长,引发信息过载问题。根据Internet普及与流行的特点,个性化推荐能有效解决信息过载问题。它根据用户的个人特点,有针对性的提供服务。协作过滤推荐技术仅依赖于用户对项目的评分,能够很好的适用各种持定的应用,然而它的推荐精度往往、冷启动。会受到诸如数据集稀疏性、相似度计算精度低等问题的影响针对推荐系统数据集稀疏性、可扩展性等问题,传统的协作过滤算法大都是从用户、资源、评分3方面进行解决,基于标签的推荐算法大都是从用户、资源、标签3方面进行解决,但是当前的研究很少充分利用己知的标签数据(蕴含着很多重要的用户

6、信息如。用户兴趣、行为等),来计算、预测未知的评分数据因此,在协作过滤系统中数据集稀疏和扩展性差的条件下,开展基于标签和评分的协作过滤推荐算法研究具有十分重要的研究价值和实践意义。论文主要工作如下:一,第,归纳总结了推荐系统相关知识阐述了国内外学者对协作过滤算法的研究现状。针对协作过滤算法面临的挑战,从评分和标签两个维度,对协作过滤推荐算法进行了剖析。第二,在数据集稀疏的情形下,考虑到用户特征和目标项目的差异性问题对推一荐精度的影响,提出了种基于目标项目和用户特征选择近邻的协作过。滤算法实验结果表明,该算法可提高相似度的计

7、算精度,进而提髙预测推荐精度。第王,在数据集稀疏的情形下,借鉴标签云的思想,将标签信息转化为用户评一分数据,对用户评分矩阵进行数据预填充,提出种基于标签填充评分。的协作过滤算法实验结果表明,该算法有效缓解了用户评分矩阵的稀疏性问题,同时提商了推荐的精准度。关键词:签个性化推荐;协作过滤;目标项目;标;评分AbstractInacewiththeInternetandthedevelomentofWeb2.0t;echnoloies化eppg,IntelligentInformatio打Eraisar

8、rivingwi化也e

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。