融合用户相似度与信任度协同过滤推荐算法应用研究

《融合用户相似度与信任度协同过滤推荐算法应用研究》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：融合用户相似度与信任度协同过滤推荐算法应用研究论文作者：李慧专业类别/领域：计算机技术指导教师：蒋宗礼教授论文提交日期:2017年5月UDC：004学校代码：10005中文图书分类号：TP391学号：S201407111密级：公开北京工业大学硕士专业学位论文（全日制）题目：融合用户相似度与信任度协同过滤推荐算法应用研究英文题目：THECOLLABORATIVEFILTERINGRECOMMENDERALGORITHMWI

2、THUSER’SSIMILARITYANDTRUST论文作者：李慧学科专业：计算机技术研究方向：计算机软件与理论申请学位：工程硕士专业学位指导教师：蒋宗礼教授所在单位：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：李慧日期：2017年5月1

3、7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、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：李慧日期：2017年5月17日导师签名：蒋宗礼日期：2017年5月17日摘要摘要随着网络信息技术和电子商务的快速发展，网络数据不断膨胀，用户很难快速有效地找到自己需要的信息，引发了信息过载问题。电子商务海量的产品使用户很难快速锁定和发现自己到底对什么样的商品有兴趣，对于在网站上销售的企业来说当然也希望能够精准的推荐自己的商品，

4、来提高销量，增加收益。电子商务推荐系统正是为了解决这个问题而出现，协同过滤推荐在推荐系统中普遍运用，广为熟知，并且推荐的效果令人满意，但传统的协同过滤推荐算法存在多种问题，包括数据稀疏性、冷启动和可扩展性等。论文针对协同过滤算法中存在的数据稀疏性问题，不仅考虑传统协同过滤推荐中的用户相似度，而且也考虑了信任因素，形成了既考虑相似度又考虑用户信任度的推荐算法，最终达到减少稀疏，进一步提高推荐信息的准确有效。以下介绍本文研究工作：（1）介绍推荐系统的组成和核心，引出推荐算法，以及协同过滤推荐算法的步骤和存在的问题，考虑信任进一步阐述了信任方面的知识。（2）由于评分数据稀疏性带来

5、的推荐准确率低的问题，论文提出了融合用户相似度与信任度的协同过滤推荐算法。在用户相似度的基础上，引入信任关系，包括直接信任度和间接信任度，间接信任是对直接信任的传播计算得出的。相似度和信任度融合之后形成相关度，整体作为推荐权重，选择出被推荐用户的最近邻居集合，进行推荐。（3）对设计的算法编程检验是否达到了预期的效果。通过实验数据结果分析得到本文相似度与信任度相融合的方式在MAE表现来看，效果比传统的推荐更佳。本文算法实现了预期目的，可以为用户提供更加准确的推荐。（4）设计一个电影推荐系统对算法的实验效果进行了检验，实际效果达到了预期。关键词：电子商务，推荐算法，协同过滤，融

6、合相似度与信任度，信任传递-I-AbstractAbstractWiththerapiddevelopmentofnetworkinformationtechnologyande-commerce,networkdataexpandconstantly.Userishardtofindtheinformationwhichheneedsquicklyandefficiently,itraisestheproblemofinformationoverloading.Themassofelectroniccommerceproductmadeitdifficultforause

7、rtoquicklylockandfoundhimselfreallyinterestedinwhatkindofgoods,forcompaniessellingonthesite,ofcourse,alsowanttobeabletoaccuratelyrecommendtheirproductstoincreasesalesandincreaserevenue.E-commercerecommendationsystemistosolvethisproblem.Collaborativefilteringre