基于标签聚类和兴趣划分的个性化推荐算法研究.pdf

《基于标签聚类和兴趣划分的个性化推荐算法研究.pdf》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、：，ｉ分类号：ＴＰ３９１单位代码：１０３６１《蔽巧王乂學替ＡＮＨＵ’？ＩＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＳＴＥＣＨＮＯＬＯＧＹ無與适问兰誤聲；！ｉｉ＾ｉＡｆｃｉ＾ｊｉＪ■Ｍ题目：基于标签聚类和兴趣划分的个性化推荐算法—■＾朱东郡＃＾１专业名称：计算机科学与技术导师姓名：李敬兆教授完成时间；２０１７年６月６曰：中图分类号：ＴＰ３９１论文编号学科分类号：５２０密级：公开安徽理王大学硕壬学位论文基于标签聚类和兴趣划分的个性化推荐算法研究作者姓名：朱东郡专

2、业名称：计算化科学与巧术研巧方向：计算机应用导师姓名：李敬兆教授导师单位：安徽理工大学答辩委员会主席：孟令忠论文答辩日期：２０１７年６月４日安徽理工大学研究生处２０１７年６月６日ＡＤｉｓｓｅｒｔａｔｉｏｎｉｎＣｏｍｐｕｔｅｒｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈｏｎＣｏｌｌａｂｏｒａｔｉｖｅＦｉｌｔｅｒｉｎｇＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＴａｇＣｌｕｓｔｅｒｉｎａｎｄＩｎｔｅｒｅｓｔＤｉｖｉｓｉｏｎｇＣａｎｄｉｄａｔｅ：ＺｈｕＤｏｎｕｎｇｊＳｕ

3、ｅｒｖｉｓｏｒ：ＬｉＪｉｎｚｈａｏｐｇＣｏｌｌｅｅｏｆＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｉｎｅｅｒｉｎｇｐｇｇＡｎＨｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ．ＴａｉｆｅｎＲｏａｄ２３２００．Ｒ．ＩＮｏ１６８，Ｈｕａｉｎａｎ１，ＰＣＨＮＡ，ｇ，独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及，除了文中特别加标注和致谢的地方Ｌ乂外取得的研究成果。据我所知，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得一室盤望壬左＾。与我＿或其他教育机构的学位或证书而使

4、用过的材料王作的同志．同对本研究所做的任何贡献掏己在论文中作了明确的说明并表示谢意。学位论文作者签名：日期：鸣年月Ｊ＾曰学位论文版权使用授权书本学位论文作者完全了解安徽巧工大学有化留、使用学位论文的规定，印：研究生在校攻读学位期间论文工作的知识产权单位属于安徽理工大学。学校有权保留并向国家有关部口或祝构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学可１＾乂将学位论文的全部或部分巧容编入有关数据库进行检索，可Ｌ乂采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）签字《＾学位论文作者

5、签活＾日期年月曰＾《曰导师签名：＾签字曰斯＞７年月摘要摘要随着互联网的发展，大量信息出现在人们的视野中。信息爆炸使人们能更方便地接收多方面的信息。但与此同时，有价值信息的快速获取也变得更加困难。为了解决这种情况，人们通常在获取信息时先对其进行检索和过滤。搜索引擎作为信息检索技术的代表可Ｗ很好地帮助人们从海量的信息中检索出有用的信息。但当搜索的关键词不能恰当的反应出搜索需求时，查询的结果就会令人失望。而个性化推荐作为信息过滤中典型的应用正好可Ｗ弥补这方面的不足。目前主流的推荐算法包括基于内容的推荐、协同过滤推荐、基于规则的推荐、

6、混合推荐等。在这些推荐算法中，协同过滤技术是实际应用中最为广泛的推荐技术。它根据产品评分和相似性算法选出与目标用户有着相似兴趣偏好的用户集合，再从这些相似用户评价高的产品中选出那些目标用户尚未评价过的产品推荐给用户。但传统的协同过滤没有考虑到标签对推荐结果的影响，只根据用户对资源的评分单方面挖掘用户兴趣，未能对用户兴趣进行有效划分，同时也忽略了用户兴趣随着时间推移发生的变化。为了解决Ｗ上问题，本文进行了如下研究：１．针对传统的协同过滤忽略了用户喜好因时间推移而发生的改变，本文提出了一种融合时间因子的协同过滤推荐算法。该算法考虑了产品评分时间和不同时段

7、产品受关注的程度对用户兴趣偏好的影响，分别建立了时间遗忘模型和时间窗口，并把这两种模型融合，生成时间因子模型。之后，在用户相似度的计算中通过时间因子对产品评分进行时间上的过滤，从而能够更加准确地计算出目标用户的相似用户，减小因时间因素造成的推荐质量的下降。实验表明该法能有效地适应，提高智能Ｗｅｂ系统在推荐中的准确率用户兴趣变化。２一．考虑到用户与标签之间的关系，本文提出了种基于标签聚类和兴趣划分的协同过滤推荐算法。该算法考虑了标签和用户评分对推