基于遗忘函数和用户的协同过滤推荐算法研究

《基于遗忘函数和用户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、硕士学位论文论文题目：基于遗忘函数和用户的协同过滤推荐算法研究作者姓名成伟丹指导教师蒋敏学科专业管理科学与工程培养类别全日制学术型硕士所在学院经贸管理学院提交日期2016年12月12日渐江工业大学学位论文原创性声巧本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行，本论文研究工作所取得的研究成果。除文中己经加标注引用的内容外不包含其他个人或集体ａ经发表或撰写过的研巧成果，也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出。本人承担本声明

2、的重要贡献的个人和集体，均己在文中封明确方式标明法律责任。作者签名：日期；年月日学位论文版权使用授巧书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学梭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，化许论文被查阅和借阅。本人授权浙江工业大学可Ｗ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和汇编本学位论文。本学位论文属于一。１、保密□，在年解密后适用本授权书、保密□。２，在兰年解密后适用本

3、授权书３、不保密口。＂＂Ｖ（请在上相应方框内打）作者签名；日期；巧辟月片日巧伟马导师签名曰期年。月＇巧基于遗忘函数和用户的协同过滤推荐算法研究摘要随着网络的发展，在音乐、购物、阅读、电影等方面，我们更加依赖网络带来的便利。随着用户数目的增加、新兴产品的出现，导致了系统所需存储的数据量日益增加。在“数据过载”时代，如果能够从大量数据中获取有价值的信息，那么就能为用户提供更好的服务。因此在电子商务、社交网络、视频网站等平台上，个性化推荐技术的应用受到了很多关注。目前应用最为广泛的

4、个性化推荐技术是协同过滤推荐技术。协同过滤推荐是通过分析用户的历史行为记录得到用户可能感兴趣的商品，从而为用户进行的推荐。考虑到用户的兴趣存在改变现象，而目前关于兴趣迁移的协同过滤推荐都无法根据用户的实际遗忘过程对项目赋予合适的权重，因此推荐也就不准确。本文采用将艾宾浩斯遗忘曲线拟合后得到的非线性遗忘函数来描述用户的兴趣迁移，对此提出基于遗忘函数和用户的协同过滤推荐改进算法，即在计算相似度时，加入遗忘函数因子来体现用户兴趣的变化。采用改进算法在电影数据集MovieLens和EachMovie中分别进

5、行实验及评估，实验结果表明本文提出的改进算法在两个不同的电影相关数据集中均能提高推荐I准确性。因此，采用拟合遗忘曲线后的遗忘函数描述用户兴趣迁移可以为视频网站的影片推荐提供可参考的改进方向。关键词：协同过滤；遗忘函数；时间权重；用户相似度论文类型：理论研究IIRESEARCHONCOLLABORATIVEFILTERINGALGORITHMBASEDONFORGETTINGFUNCTIONANDUSERABSTRACTWiththedevelopmentoftheInternet,asinmusic

6、,shopping,reading,filmetc,usersincreasinglydependonthenetworktobringconvenience.Theincreaseinthenumberoftheusersandthenewproductscausethesystemneedstorealargeamountofdata.Inthe"dataoverload",ifwecanobtainvaluableinformationfromthedata,thenwecanprovideu

7、serswithbetterservice.Therefore,inthee-commerce,socialnetworking,videositesandotherplatforms,personalizedrecommendationtechnologyresearchhasbeenwidelyused.Atpresent,themostwidelyusedpersonalizedrecommendationtechnologyiscollaborativefilteringrecommenda

8、tiontechnology,whichanalyzesuser'shistoricalbehaviorrecordstogettheproductthatuserinterestedinandrecommendtotheuser.Thispapertakeuser’sinterestchangephenomenonexistsintoaccount.However,collaborativefilteringcannotbasedontheuser’sactualp