基于用户兴趣漂移和兴趣传播的协同过滤推荐算法

《基于用户兴趣漂移和兴趣传播的协同过滤推荐算法》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、中图分类号：TP391单位代码：10425学号：Z13070445基于用户兴趣漂移和兴趣传播的协同过滤推荐算法ACollaborativeFilteringRecommendationAlgorithmBasedonUsersInterestDriftandInterestPropagation工程领域：计算机技术研究方向：数据库与信息系统作者姓名：刘亚囡校内导师：龚安副教授现场导师：张建辉高级工程师二〇一六年六月ACollaborativeFilteringRecommendationAlgorithmB

2、asedonUsersInterestDriftandInterestPropagationAThesisSubmittedfortheDegreeofEngineeringMasterCandidate：LiuYananSupervisor：AssociateProf.GongAnCollegeofComputer&CommunicationEngineeringChinaUniversityofPetroleum(EastChina)关于学位论文的独创性声明本人郑重声明：所呈交的论文是本人在指导教师

3、指导下独立进行研宄工作所取得的成果，论文中有关资料和据是实事求是的。尽我所知，除文中已经加以标注和致谢外＿，本论文不包含其他人已经发表或撰写的研宄成果，也不包含本人或他人为获得中国石油一大学（华东）或其它教育机构的学位或学历证书而使用过的材料。与我同工作的同志对研宄所做的任何贡献均己在论文中做出了明确的说明。若有不实之处，本人愿意承担相关法律责任。学位论文作者签名：日期：Ｗ年＜月日ｆ摘要随着互联网的发展和普及，信息数量成爆炸式增长。海量信息在丰富人们生活的同时，也为信息的查寻带来

4、挑战。个性化推荐系统应运而生。其中，协同过滤是最经典的推荐技术，它默认用户的兴趣是稳定的，即用户兴趣不会发生变化。然而在现实生活中，受自身或外界等各种因素的影响，用户的兴趣是不稳定的，存在兴趣漂移现象。另外，用户在交互过程中会彼此之间相互影响，即兴趣会在用户间传播。本文在对传统协同过滤算法深入研究的基础上，总结分析了前人已取得研究成果的缺点和不足，从兴趣漂移和兴趣传播两个方面入手，主要做了以下工作：首先，针对用户兴趣漂移问题，提出了一种基于不同项目类型访问时间分散度的漂移检测算法。该算法根据项目自身属性计算

5、相似度构建项目簇，依据用户历史访问项目所属项目簇的比例大小来识别单兴趣和噪声用户，根据不同项目访问时间的分散度来识别多兴趣和兴趣漂移用户，并最终得到用户的最新、最近兴趣。对数据集做此预处理，即避免了噪声用户数据对系统的干扰，也在一定程度上降低了数据维度，缩减了计算量。其次，针对用户间的兴趣传播问题，提出了一种基于仿射传播的模糊C-均值聚类算法。该算法借用仿射传播(AP)聚类的消息传递思想，将兴趣传播问题转化为用户间的吸引度和归属度问题。在协同过滤推荐中，模糊C-均值(FCM)聚类是一种常用的数据处理方法，其

6、中心点的选择直接影响着聚类结果的好坏。将AP聚类所得到的聚类中心作为FCM聚类的初始中心，这样即考虑到了兴趣传播问题，也提高了聚类的质量和稳定性。最后，将提出的两种算法进行组合推荐，提出了基于用户兴趣漂移和兴趣传播的协同过滤推荐算法。本文在Movielens数据集上分别对基于不同项目类型访问时间分散度的兴趣漂移检测算法、基于仿射传播的模糊C-均值聚类算法、基于用户兴趣漂移和兴趣传播的协同过滤推荐算法以及传统的协同过滤推荐算法进行实验对比验证。结果表明，本文提出的算法有更高的准确性，能有效提高系统的推荐质量。

7、关键词：推荐系统，协同过滤，兴趣漂移，仿射传播聚类，模糊C-均值聚类iACollaborativeFilteringRecommendationAlgorithmBasedonUsersInterestDriftandInterestPropagationLiuYanan(ComputerTechnology)DirectedbyAssociateProf.GongAnAbstractWiththedevelopmentandpopularizationoftheInternet,theamountofin

8、formationisinawayofexplosivegrowth.Vastamountsofinformationnotonlyenrichpeople'slives,butalsobecomesachallengefortheinformationsearch.Personalizedrecommendationsystemcameintobeing.Amongthem,Thecollaborativefi