基于lm-bp神经网络的推荐算法的研究与应用

《基于lm-bp神经网络的推荐算法的研究与应用》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、学校代码：１０００４密级；公开如交批麥ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕±专业学位论文３Ｍ基于ＬＭ－ＢＰ神经瞧纖荐算鷹研究与应用专业学位电子与通信工程指导麵沈波教授羣．培养院系电子信息工程学院，鴻蠢：邏Ｉ進Ｅ雜！零－六年六月誦論意呈壓ｆＳＩ．齡交道乂攀硕±专业学位论文基于ＬＭ－ＢＰ神经网络的推荐算法的研究与应用民己ｓｅａｒｃｈａｎｄＡｌｉｃａｔｉｏｎｏｆＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｏｒｉ化ｍｐｐｇＢａｓｅｄｏｎＬＭ－Ｂ

2、ＰＮｅｔｗｏｒｋＮｅｕｒａｌ作者：孙倩导师：沈波北京交通大学２０１６年６月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可ｔｕ为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）学位论文

3、作者签名：导师签名；乂＾签字曰期：年＾月巧曰签字曰期年《月日１０００４学校代码：密级：公开北京交通大学硕±专业学位论文基于ＬＭ－ＢＰ神经网络的推荐算法的研究与应用民ｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆ民ｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｉ化ｍＢａｓｅｄｏｎＭ－ＢＰＬＮｅｕｒａｌＮｅｔｗｏｒｋ作者姓名：孙倩学号：１４１２５０４１导师姓名：沈波职称：教授工程硕±专业领域：电子与通信工程学位级别：硕±北京交通大学２０１６年６月ｉ致谢

4、从本论文的工作主要是在我的导师沈波教授的悉也指导下完成的。沈教授认真严谨的工作态度和专业的知识对我论文的完成有很大的帮助和影响。从课题的选择到论文的最终完成，沈老师都倾注了大量也血，在此衷屯感谢沈波老师对我的关屯、和指导。张振江老师在我研究生两年期间也对我实验室的科研工作进行了监督和指导，他的严格要求使我们的技术水平在项目实践过程中得到了很大的提高。在此对张振江老师表示衷必感谢。在实验室实践和论文的撰写期间，刘瑞学长、陈乃月学姐对我的论文的开题提出了很宝贵的经验和帮助，在此向他们表达我的

5、感激之情。、另外感谢我的家人，他们的理解和支持能够让我在学校专屯完成我的学业。ｉｉ北京交通大学硕±专业学位论文摘要摘要近年来，随着互联网技术的发展，网络数据越来越庞大，用户怎样从众多的数据中更快速的捕捉到自己感兴趣的数据信息成为网络技术发展的研究热点。学术界和业界对这种信息过载问题开展了大量的研究和实践工作，提出了多种形式一种智能个性化信息服务系统的信息个性化解决方案。推荐系统作为，具有用户需求驱动、主动服务和信息个性化程度高等优点，在电子商务、在线学习和数字图书馆等领域得到了广泛

6、应用，并己成为公认最有前途的信息个性化技术发展方向。一协同过滤推荐算法是推荐系统中最成功的技术之，虽然己经被应用超过了十年，但是由于商品量越来越多，用户评价和购买的数量有限，数据稀疏性问题越来越严重，另外还存在冷启动等问题，导致协同过滤推荐算法的准确性还有待提局。针对数据稀疏性问题，本文设计了新的协同过滤算法，根据用户评分交集的－－大小选择用户最近邻居集，采用ＬＭＢＰ神经网络对用户项目的评分矩阵进行估值填充，提高评分矩阵的密度。这种方法避免了传统降维法导致信息缺失的缺点，。能提高预测

7、值的准确度，从而提高协同过滤推荐系统的推荐质量一相似度的计算是协同过滤的个重要步骤，传统的计算方法容易夸大或缩小，相似性，从而影响推荐质量通过计算评。本文采用信息摘的方法来计算相似度，分差值的信息楠，并将用户评分差异和交叠程度加权到公式中提高相似度计算。的准确度，从而提高协同过滤推荐算法的推荐效果最后，本文采用了Ｍｏｖｉｅｌｅｎｓ的真实数据集进行实践研巧，用Ｍａｔｌ化对本文－ＢＰ神经网络的推荐算法进行测试提出的基于ＬＭ。从准确度、平均绝对误差、召回率、Ｆ，，对本文提出的推荐１指标四个方面相似度

8、求法、和估值填充两个角度ＬＭ－ＢＰ算法的效果进行了研究。数据结果表明基于神经网络的协同过滤推荐算法比传统的协同过滤推荐算法有更好的推荐效果。论文的研究工作得到了国家自然科学基金项目（Ｎｏ．６１２７１３０８、Ｎｏ．６１４０１０１５）、北京市自然科学基金项目（Ｎｏ．４１０２０４７）的支持。Ｌ