基于用户行为协同过滤推荐算法

《基于用户行为协同过滤推荐算法》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、分美号：ＴＰ３９单拉代码：１０３６１？姜获巧玉乂ｆ？？．．？？＇？－．．＼论文題目：基于用户行为化同过滤推荐算法化者姓名；杜彦永专业名称：计算机科学与技术导师姓名；张颇香副教授完成时间—：二〇六年六月■、．？：．－、．＇＇？、Ｖ户或ＪＩＩ一—，Ｊ■二１■＇－Ｊ１，ｎｒｋ■１图分类号：ＴＰ３９论文编号：学料分类号：５２０密级：公开安徽理王大学硕壬学位论文基于用户行为协同过滤推荐算法作者姓名：杜彦

2、永专业名称；计算化科学与技术研究方向；智能信息处理导师姓名；张顺香副教授导师单位：安徽理工大学答辩委员会主席：尹玉龙论文答辩日期；２０１６年６月４日安徽理工大学研巧生处２０１６年６月６日ＡＤｉｓｓｅｒｔａｔｉｏｎｉｎｃｏｍｕｔｅｒｓｃｉｅｎｃｅａｎｄ１；ｅｃｈｎｏｌｏｐｇｙＧａｍｅｒｏｓｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｏｒｉｔｈｍｂａｓｅｄｏｎｕｓｅｒｐｐｇｂｅｈａｖｉｏｒＣａｎｄｉｄａｔｅ；ＤｕＹａｎｙｏｎｇＳｕｅｒｖｉｓｏｒ：ＺｈａｎＳｈｕｎ

3、ｘｉａｎｐｇｇＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＡｎＨｕｉＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｙｇｙＮｏ．ｌ６８ＳｈｕｎｅｎＲｏａｄＨｕａｉｎａｎ２３２００１．Ｒ．ＧＨＩＮＡ，ｇｇ，，ｆ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。据我所知，除了文中特别加Ｌ乂标注和致谢的地方＾乂外，论文中不包含其他人臣经发表或撰写过的研究成果，也不包含为获得玄徽里王么堂或其他教育机构的学位或证书而使用过的

4、材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。＾学位论文作者签葦：曰撕：年月曰学位论文版权使用授权书本学位论文作者完全了解室盤望互太堂有保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知巧产权单位属于安徽理工大学。学校有权保留并向国家有关部口或机拘送交论文的复印件和磁盘，允许论文教查阅和借阅。本人授权安徽理工大学可１＾＾将学位论文巧全部或部分内容编入有关数据库进行检索，可兴采用影印、缩印歲担描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适

5、用本授权书）学位论文作者签名：１义＾身曰期：ｙ＾＾ｉ月厶曰７签字｜导师签名：签字日期月＾日＾抑摘要摘要随着互联网的更加普及和信息科技的快速发展，我们己经迈入到信息过载的时代，游戏行业产生的数据同样成指数级别增长。游戏中提供的道具信息量快速增加，用户经常会迷失在大量的道具信息中，无法准确快速地找到自己需要的道具，对道具推荐系统的需求越来越迫切。推荐系统扮演了售货员的角色，通过向用户推荐道具，帮助用户顺利购买到自己需要的道具。推荐系统具有良好的发展及应用前景，未来将吸引越来越多的关注。一协

6、同过滤是目前应用最为广泛的推荐系统技术之，根据计算角度不同将其归纳为基于用户的协同过滤和基于项目的协同过滤两种算法’。与传统的基于內容的协同过滤单纯通过计算相似度给出推荐结果不同，上两种协同过滤算法重点关注用户和项目的关联关系，将具有相同兴趣偏好的相似用户对项目的偏爱程度，一生成推荐列表：，推荐给用户。在使用协同过滤时，仍然有些问题尚待解决当面对超大规模数据时，协同过滤算法面临着数据稀疏、推荐精度和扩展性等问题。一一针对上述问题，结合游戏行业背景，本文提出了种改进的协同过滤算法一基于用户行为的游戏道具推荐算法。首先

7、，我们使用因子分析对用户行为原始。数据做降维处理，得到若干个不相关的复合属性根据降维得到的用户属性，使－ｍｅ法对用户进行分类用ｋａｎｓ聚类算，得到ｋ个相似用户的集合。接下来，使用改一进的协同过滤技术生存推荐集合。协同过滤模块包括两个步骤：第步，提取购－二买相同项目类别道具的用户项目类别矩阵，Ｊａｃｃａｒｄ距；第步使用离公式计算道。具和道具类别的相似度；第Ｈ步，生成推荐列表，取前Ｎ项推荐给用户最后，１＾＾专统的基于项目的协同过滤算法做对比实验，验证本文提出的基于用户行为的游戏道具推荐算法的优化效果。在本算法中，使

8、用因子分析对数据降维，提高矩阵密度；通过将用户的推荐计算限定在相似用户集合中进行，有效地解决了算法的可扩展性问题；由于有相同道具感兴趣的用户具有相似的用户行