欢迎来到天天文库
浏览记录
ID:18351539
大小:1.94 MB
页数:65页
时间:2018-09-16
《个性化推荐系统设计》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、摘要摘要个性化推荐系统根据用户的历史数据,利用推荐算法向他们推荐可能感兴趣的商品。协同过滤(CF)是目前研究最多、应用最广泛的推荐算法,然而存在稀疏性和可扩展性这两个瓶颈问题。基于社区的推荐算法在全局稀疏数据中寻找局部稠密社区,因此不仅有望解决稀疏性问题,而且能有效解决可扩展性问题。本文在系统学习推荐技术的基础上,主要开展了如下4个方面的工作:1.基于聚类的社区推荐,即直接在用户—项目评分矩阵上对用户进行社区划分。结果表明,基于Kmeans方法的准确度比CF算法略微下降;Fuzzy-kmeans无法有效划分用户社区,因此不能直接用于推荐系统;2.基于降维聚类的社区推荐,即利用SVD方法
2、对用户—项目评分矩阵进行降维,然后在简化的矩阵上进行用户社区划分。结果表明,该方法能够产生比K-means方法更高质量的推荐,但仍然低于标准的CF算法;3.结合产品类别信息的推荐,即将产品与其类别信息进行关联,把用户对项目的评分矩阵转化为用户对类别的关注矩阵。结果表明,该算法比k-means方法略好,但远远低于标准的CF算法;4.子矩阵推荐算法,即将矩阵划分为若干块,而不是按行或者列进行划分,在块内进行推荐。本文尝试了一种基于子矩阵的社区划分方法,该方法推荐质量优于自然类别划分但仍然低于标准CF算法;本文尝试了多种社区推荐算法,虽然其结果并不令人满意,但作为该方向比较系统的初步研究,为
3、下一步新型推荐算法研究提供了有益参考。关键词:推荐系统,协同过滤,社区划分,稀疏性,算法可扩展性61AbstractAbstractPersonalizedrecommendersystemrecommendssomeitemswhichtheuserwouldbeinterestedinbasedonthehistoryofuser'sactivities.Amongalltherecommenderalgorithm,thecollaborativefilteringalgorithm(CF)isthemostsuccessfulone.Howeverthesparsityands
4、calabilityaretowbottleneckproblemsforCF.RecommenderAlgorithmbasedoncommunityaimstofindlocallydensecommunitiesthusabletoslovetheproblemofsparisityandscalibility.Aftersystematicstudyonrecommendertechnolgy,weaddresstheaboveproblemsandstudymainlythefollowingfourjobs.:(1)Recommendationbasedonclusteri
5、ngmethods.WedetecttheusercommunitiesdirectlyfromtheoriginalratingmatrixandfindthatcomparedwithCF,ourmethodleadtoarelativelypoorrecommendation.Fuzzy-kmeansalgorithmcannoteffectivitydetecttheusercommunityandcannotapplytorecommendation.(2)Recommendationbasedondimentionreductionandclusting.Wefirstsi
6、mplifytheoriginalmatrixbydimensionreductionusingSVDandthendetecttheusers'community.OurstudyindicatethatthealgorithmachievesahigheraccuracythanKmeans,butstillperformspoorerthanstardardCF.(3)Recommendationbasedonexistingclassification.Accordingtotheexistingclassificationoftheitems,wecombinetheclas
7、sificationwiththeitemandconvertuser-itemmatrixtouser-typematrix.OurstudystatesthatwegetabetterrecommendationthanKmeansbutstillpoorerthanstandardCF.(4)Recommendationbasedonsubmatrix.Wedividethewholematrixintosomesubmatrix,and
此文档下载收益归作者所有