基于混合算法的推荐系统的研究与实现

基于混合算法的推荐系统的研究与实现

ID:33786860

大小:1.97 MB

页数:61页

时间:2019-03-01

基于混合算法的推荐系统的研究与实现_第1页
基于混合算法的推荐系统的研究与实现_第2页
基于混合算法的推荐系统的研究与实现_第3页
基于混合算法的推荐系统的研究与实现_第4页
基于混合算法的推荐系统的研究与实现_第5页
资源描述:

《基于混合算法的推荐系统的研究与实现》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、同济大学软件学院硕士学位论文基于混合算法的推荐系统的研究与实现姓名:李冠宇申请学位级别:硕士专业:软件工程指导教师:刘琴;朱宏明20081101摘要随着互联网的普及与快速发展,用户在选择商品时,面临着越来越严重的信息超载的问题。因此,许多网站研究开发了推荐系统为用户进行个性化信息推荐服务。推荐系统向用户提供商品推荐,帮助用户找到所需商品,从而顺利完成购买过程。随着推荐系统的广泛应用,出现许多问题与挑战,主要包括:推荐质量、推荐实时性、数据稀疏性、冷启动等问题。为了解决以上问题,本文着重对推荐系统及其核心的推荐方法进行研究。首先,研究推荐系统。针对推

2、荐质量和实时性要求,构建合理的推荐系统。将推荐系统划分为在线实时推荐和模型处理两部分。用户在线浏览YangXun网站时,在线部分实时输出反映用户兴趣的个性化游戏推荐列表。模型处理部分主要根据所收集的数据以及不同的模型算法,得到模型输出,作为在线推荐的依据。特别提出对于新用户和新游戏采用结合不同方法的推荐机制,在一定程度上解决冷启动问题,提高推荐质量。其次,研究推荐方法。推荐方法主要包括:基于内容推荐、协同过滤推荐、混合推荐、数据挖掘等方法。其中,协同过滤算法是比较成功的推荐方法。而针对协同过滤推荐算法的效率和质量方面的不足,以及算法存在的数据稀疏性

3、问题和冷启动问题,提出使用结合基于内容的改进推荐方法。将游戏特征信息与用户的偏好结合,得到用户偏好模型。根据用户偏好模型利用支持向量机分类,预测用户的推荐结果。比较分析结果显示结合基于内容的推荐方法在一定程度上解决稀疏性问题,提高推荐效果。此外,结合基于内容的推荐方法可以促进对新游戏的推荐。最后,考虑用户信息对推荐质量的影响,进行改进得到混合算法。用户购买游戏可能不仅仅与商品特征及偏好有关,用户的基本信息如年龄、职业、性别等也具有一定的相关性。考虑将用户信息作为调整加入到分类的结果中,形成混合算法,实验分析得出其推荐质量是以上算法中最好的。另外,对

4、于新用户,即只有用户基本信息没有偏好数据的情况下,可以根据用户信息找到相似用户,解决冷启摘要动问题。关键词:推荐系统,近邻聚类,支持向量机,基于内容的推荐、基于用户的推荐、混合算法ⅡAbstractABSTRACTWiththedevelopmentofIntemet,consumersmaybeconfrontedwiththeseriousproblemofinformationoverloadingwhentheychoosecommodities.Therefore,manywebsitesresearchanddeveloprecomme

5、ndationsystemtoprovideconsumersindividualrecommendationservices.Therecommendationsystemworkslikesalesmanwhogivesconsumersadvicesandhelpsthemtofindwhattheyneed.Withthewideusingofthesystems,manyproblemsandchallengescomeout.Forexamples,theconflictofrecommendationqualityandrealtim

6、e,sparselyofdata,coldstartandetc.ThispaperresearchesontherecommendationsystemsandrecommendationmethodwhichiStheheartofthesystemstosolvetheseproblems.Firstly,thePaperresearchesontherecommendationsystems.Accordingtotheproblemsofrecommendationqualityandrealtimerequirement,thesyst

7、emmustbebuiltmorereasonably.Itiscomposedoftwoparts,theon-linerealtimerecommendationpartandthemodelprocessingpart.ThefirstonepresentstherecommendationlisttotheuserswhentheybrowsetheYangXunwebsites.Themodelprocessingpartcollectsdataandusesdifferentmodelstohavetheoutputsofmodelsw

8、hichalethebasesoftheon.1inepart.Especially,thesystemhasthemet

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。