基于用户相似度改进的协同推荐算法

《基于用户相似度改进的协同推荐算法》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、学校代号10532学号S1124W132分类号TP311密级普通工程硕士学位论文一种基于用户相似度改进的协同推荐算法学位申请人姓名培养单位信息科学与工程学院导师姓名及职称学科专业软件工程研究方向个性化推荐论文提交日期2014年5月II学校代号：10532学号：密级：普通湖南大学工程硕士学位论文一种基于用户相似度改进的协同推荐算法学位申请人姓名：导师姓名及职称：培养单位：信息科学与工程学院专业名称：软件工程论文提交日期：2014-5-9论文答辩日期：答辩委员会主席：IIAnImprovedCollabora

2、tiveRecommendationAlgorithmBasedOptimizedUserSimilaritybyB.E.(HunanUniversity)2011AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinSoftwareEngineeringintheGraduateSchoolofHunanUniversitySupervisorAssociateMay,2014II

3、工程硕士学位论文湖南大学学位论文原创性声明和学位论文版权使用授权书本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查

4、阅和借阅。本人授权湖南大学可以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，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□，在______年解密后适用本授权书。2、不保密R。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：年月日63工程硕士学位论文摘要伴随着大数据时代的快速发展，人们逐渐陷入了信息海洋，信息过载问题成为了大数据时代严重的负面问题之一。为解决信息过载问题，个性化推荐技术应运而生。协同推荐技术是推荐系统最成功的推荐技术之一，传统的协同

5、推荐算法存在数据稀疏、推荐的实时性、准确性以及冷启动等问题，基于这些问题研究，大量的国内和国外学者提出各种解决办法，并在一定程度取得较理想的效果。然而针对协同过滤存在的评分尺度差异问题所提出解决办法却相对较少。本文主要对推荐系统面临的推荐准确性进行了深入的分析和研究，在User-Based协同过滤算法的基础上，结合针对用户评分尺度差异提出的解决方案，提出了一种基于用户相似度改进的协同推荐算法。首先，本文对当前个性化推荐技术在国内外的发展现状进行综述，对主流的推荐技术进行了比较和分析。然后，通过分析传统协同

6、推荐技术中的核心算法，即用户相似度计算方法，发现协同过滤算法还在存在在计算用户相似度时用户之间在项目集合内对所有项目的评分尺度差异被忽略的问题，尽管目前提出的修正的余弦相似度算法和皮尔逊相似度算法在一定程度上对传统的余弦相似算法在的评分尺度差异完全忽略该问题有改善，但是用户之间对项目的单条评分尺度差异问题依旧存在。当两个用户对一组共同评分项目集合的评分向量存在较大的不同时，他们的评分向量的合向量是有一定几率得到比较相似的结果。接下来，通过对余弦相似算法在多维空间评分向量存在的评分尺度差异问题，修正的相似算

7、法和皮尔逊相似算法在多维空间尺度差异向量存在的问题进行了详细的分析，找到一种可以对该差异进行平衡的解决办法，即在传统的三种用户相似算法中加入一种用户之间对单条项目评分尺度差异计算的平衡因子，提出了一种基于用户相似度改进的协同推荐算法。最后，通过实验得到最合适的平衡因子阈值，再通过基于该阈值的改进协同推荐算法，设计了一系列合理的实验对该算法的有效性进行验证，实验结果表明，本文提出的基于用户相似度改进的协同过滤算法能在很大程度上提高用户相似度的准确率，并得到较好的推荐效果。关键词：协同推荐；用户相似度；评分尺

8、度差异；平衡因子；63工程硕士学位论文AbstractWiththerapiddevelopmentofthebigdata,peoplegraduallysankintotheoceanofinformation.Theinformationoverloadproblemhasbecomeaseriousnegativeproblemsinthebigdataera.Tosolvetheinformationoverload