基于分步聚类和相似度优化的协同过滤算法

基于分步聚类和相似度优化的协同过滤算法

ID:35180517

大小:6.75 MB

页数:70页

时间:2019-03-21

基于分步聚类和相似度优化的协同过滤算法_第1页
基于分步聚类和相似度优化的协同过滤算法_第2页
基于分步聚类和相似度优化的协同过滤算法_第3页
基于分步聚类和相似度优化的协同过滤算法_第4页
基于分步聚类和相似度优化的协同过滤算法_第5页
资源描述:

《基于分步聚类和相似度优化的协同过滤算法》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、密级分类号:单位代码哩1互!UDC:乂是洛事乂學、扣日戸全日制应用型硕±研究生学位论文基于分步聚类和相似度优化的协同过滤算法王振指导教师李延巧教授世峰高级工程师企业导师李申请学位类别工程硕±工程领域计算机技术学位按予单位大连海事大学2016年6月分类号密级UDC位代码10巧1单大连海事大学工程硕±学位论文基于分步聚类和相似度优化的协同过滤tA(学位论文形式:应用研究)王振指导教师李延巧职称教授

2、企业导师李世峰职称窩级工程师学位授予单位大连海事大学申请学位级别工程硕±工程领域计算机技术论文完成日期2016年5月答辩日期2016年6月答辩委员会主席ytStepwiseClusteringandSimilarityOptimizingbasedCollaborativeFilterinAlori化mggA化esisSubmitted化DalianMaritimeUniversityInartialfulfillmentofthereuirementsf

3、brthedereeofpqgMasterofDegreebyWanzhengComuterTechnolo(pgy)ThesisSupervisor:ProfessorLiYanhengJune2016大连海事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;本论文是在导师的指导下,独立进行研究工作所取得的成果,"基"撰写成博/砸^学位论文于分步聚类和相似度优化的协同过滤算法。除论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中W明确

4、方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名;学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定,即:大连海事大学有权保留并向国家有关部口或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可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,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕±学位论文全文

5、数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中,并1^|电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。:保密口在解密后适用本授权书。本学位论文属于年""不保密□(请在W上方框内打V)论文作者签名:^户导师签名:^^曰親年月如曰6中文摘要摘要目前一种个,协同过滤技术是个性化推荐系统中使用较广泛、应用较成功的性化推荐技术。但在实际应用过程中,随着推荐系统规模的扩大和内部数据量的""""""増多,协同过滤推荐技术暴

6、露出了数据稀疏性、扩展性差和推荐精度低等问题。针对协同过滤算法存在的不足问题,本文提出了基于分步聚类和相似度优化的协同过滤算法。首先,针对协同过滤算法存在的扩展性差和数据稀疏性问题,本文在基于聚一类的协同过滤算法基础上,提出种分步聚类策略。在对项目和用户进行分步聚一-类操作时,本文引用了种改进的Kmeans算法,避免了初始聚类中也选择的过于近邻而导致算法陷入局部最优解。分步聚类策略旨在提高算法的扩展性,缓解评分数据过于稀疏对聚类结果的影响。然后,针对协同过滤算法中相似度的直接计算而导致推荐精度低的问题,本文根据评

7、分预测公式推导出了用户之间相似度的优化算法。并在分步聚类的基础上,利用相关簇类中的评分数据对用户之间的相似度进行训练与优化,旨在不失算法扩展性的同时,提高相似度的计算准确度,从而提高算法的推荐精度。最后,为了验证本文算法的推荐性能,进行了实验验证与结果分析。实验结果表明,与传统、基于用户聚类和基于项目聚类的协同过滤算法相比,本文提出的改进算法提高了协同过滤算法的推荐精度,具有较好的推荐质量。关键词-means分步巧类优化:个性化推荐系统协同过巧;K;相似度;;英文摘要ABSTRACTNowadays,c

8、ollaborativefilteringtechnologyisakindofpersonalizedrecommendatlio

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。