混合协同过滤推荐算法研究

《混合协同过滤推荐算法研究》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、中文图书分类号：TP391密级：公开UDC：004学校代码：10005硕士专业学位论文PROFESSIONALMASTERDISSERTATION论文题目：混合协同过滤推荐算法研究论文作者：程相智专业类别/领域：软件工程指导教师：何东之论文提交日期:2017年5月UDC：004学校代码：10005中文图书分类号：TP391学号：S201425077密级：公开北京工业大学硕士专业学位论文（全日制）题目：混合协同过滤推荐算法研究英文题目：RESEARCHONHYBRIDCOLLABORATIVEFILTERINGRECOMMENDATIONALGORITHM论文作者：程相智专

2、业类别/领域：软件工程研究方向：嵌入式软件与系统申请学位：工程硕士专业学位指导教师：何东之副教授所在单位：信息学部答辩日期：2017年5月授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：程相智日期：2017年5月26日关于论文使用授权的说明本人完全了解北京工业大学有关保留

3、、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：程相智日期：2017年5月26日导师签名：何东之日期：2017年5月26日摘要摘要随着互联网技术的快速发展，人类已经进入了信息时代。人们在快速分享信息的同时，不得不面临由于信息暴增带来的信息过载问题。为了有效地解决该问题，推荐系统得到了快速地发展，通过分析用户的行为和项目的属性，主动获取用户的兴趣，为用户提供个性化的推荐服务。协同过滤推荐算法是目前应用最广泛的推荐算法之一，该算法通

4、过分析用户的历史数据，可以准确地得到推荐结果。然而随着系统内用户和项目数量的快速增长，该算法仍面临着用户兴趣漂移、马太效应、推荐精度等问题。本文将从用户兴趣、马太效应、时间效应、推荐精度上对协同过滤算法进行研究，从而对上述问题进行有效优化和改进，主要工作如下：针对用户兴趣的问题，本文引入了用户活跃度、用户活跃度衰减因子和用户间的兴趣相关程度的概念，提出了一种融入用户活跃度和用户兴趣的混合相似度算法。针对马太效应和时间效应的问题，本文首先引入了项目流行度影响力因子，提出了一种融入用户行为与项目特性的协同过滤算法，然后通过构建基于时序的用户、项目网络图，提出了一种新的用户、项

5、目间的影响力因子构建过程。针对推荐精度的问题，本文以经典的SlopeOne算法为模型，首先利用改进的混合相似度算法和加权皮尔逊算法，提出了一种融入相似度的混合推荐算法；然后通过构建影响力因子，提出一种融入影响力的混合推荐算法。同时，本文对上述这些研究重点都依次设计了严谨的验证实验。结果表明，在引入了用户兴趣相关程度，用户影响力等因子后，能够有效地对协同过滤算法的准确率、召回率、覆盖率、新颖度指标上起到明显的提升效果。经过上述的研究，为今后学术界对于协同过滤算法的改进和发展提供了有效的借鉴和指导，从而使得协同过滤算法能够得到更广泛的应用。关键词：相似度；协同过滤算法；Slo

6、peOne算法；混合推荐-I-AbstractAbstractWiththerapiddevelopmentofInternettechnology,humanbeingshaveenteredtheinformationage.Peopleintherapidsharingofinformationatthesametime,havetofacetheinformationoverloadcausedbytheproblemofinformationoverload.Inordertosolvetheproblemeffectively,therecommendedsy

7、stemhasbeenrapiddevelopment.Itanalyzestheuser'sbehaviorandprojectattributes,taketheinitiativetogettheuser'sinterest,toprovideuserswithpersonalizedrecommendationservices,effectivelysolvetheinformationoverloadproblem.Collaborativefilteringrecommendationalgorithmisoneo