欢迎来到天天文库
浏览记录
ID:35049638
大小:3.75 MB
页数:49页
时间:2019-03-17
《协同过滤推荐算法的改进研究》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、遗?^新故夫榮UniversitofScienceandTechnoloLiaoninygyg损±等值巧交'THESISFORMASTERSDEGREE禱协同过滤推荐算法的改进研究作者姓名;王雪指导教师:刘扬副教授学科:计算机应用技术答辩日期;2016年1月9日TP39密级分类号^UDC单位代码10146学号132081203204硕:t学位论文协同过滤推荐算法的改进研究研究生姓名;王雪指导教师:为肠副教授工作单位;迂宁科巧大学论义提夺
2、日期;2016年1月7日答辩日期:2016年1月9日学位授予日期:授予单位:辽宁科技大学论文评阅人:迂:刘扬副教授工作单位宁稱巧大学论文评阅人:刘扬副教巧工作单位;迂宁科巧大学答辩委员会主席:高凯教巧工作单位:鞍钢职工大举Theimrovementofcollaborative打IterinpgrecommendationalgorithmA化esisSubmitted化UniversityofScienceandTechnologyLiaoningbyWangXue
3、Comuteralicationtechnolo(pppgy)Suervisor:Prof.LiuYanpgJanuar72016y,独创性声明本人声明所呈交的论文是我个人在导师指巧下进行的研究工作及取得的研究成,果,论文中不包含其他人已经。尽我所知除了文中特别加标注和致谢的地方外发表或撰写过的研究成果,也不包含为获得迁宁科技大学或其它教育机构的学位或一证书而使用过的材料,与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。王管':7曰论文作者签名:日期年月;关于论文使用授
4、权的说明本人完全了解迁宁科技大学有关保留、使用学位论文的规定,目P:学校有权保留送交论文的复印件,允许论文被查阅和借阅:学校可W公布论文的全部或部分内容,可采用影印、缩印或其他复制手段保存论文。本学位论文属于:保密□在年解密后适用本授权书。/""不保密因(请在W上方框内打V)玉'论文作者签名:襄日期:么年月7日才务/指导导师签名:日期:年月7日I中义搁巧中文摘要随着互联网的普及和信息技术的飞速发展,互联网中用户的数量和信息量也急剧增长,人们想要从海量的信息中快速地获取自己感兴趣的信息己经变得越
5、来越困,难。如社交媒体、电子商务等W用户为中也的网站,信息量越来越庞大产生了海一部分信息量的与用户兴趣相关的数据,然而用户所关注的只是其中很少的。个性化推荐技术强调从用户兴趣出发,针对不同的用户提供特定的个性化推荐服务。个,性化推荐技术并不需要用户提供明确的需求,而是从用户的历史行为和数据出发W此为依据,通过建立相关的模型挖掘出用户的兴趣和需求,从而从海量的信息中为用户筛选出其感兴趣的信息。因此,个性化推荐技术在用户需求不明确时,显得尤为重要。.经被提出目前为止,许多推荐算法己,但是协同过滤推荐算法是这些推荐算法一中应
6、用最广泛且最为成功的算法之。然而,虽然协同过滤推荐算法已经被成功地应用到许多推荐系统中,系统中用户的数量和项目,但是随着系统规模的不断扩大的数量不断增加,协同过滤推荐算法却面临着数据稀疏性问题、冷启动问题和可扩展性问题等多方面的严峻挑战。一针对协同过滤推荐算法存在的这些问题,本文提出了种组合协同过滤推荐算。法。论文首先阐述了协同过滤推荐算法的基本思想,并阐述了算法中存在的问题然后针对协同过滤推荐算法中存在的问题分别提出了基于奇异值分解和层次聚类的改进算法和改进的SlopeOne协同过滤推荐算法,W此来展开对协同过滤推荐算法
7、的研究。为了验证改进算法的有效性,将两种改进算法分别在MovieLens数据集上进行对比实验。实验结果表明,这两种改进算法的推荐质量优于传统的协同过滤推荐算法。。本文在最后提出将这两种改进算法相结合的组合协同过滤推荐算法同样在MovieLens数据集上进行实验,实验结果验证了组合协同过滤推荐算法的有效性。关键词:协同过滤推荐算法;奇异值分解;层次聚类;SlopeOneIIABSTRACTABSTRACTWkhthepopularityof化eImemetandtherapiddevelopme
8、ntofinformationkchnolo化euantiof化eI
此文档下载收益归作者所有