基于上下文的协同过滤算法研究

《基于上下文的协同过滤算法研究》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、分类号学号M201176107学校代码10487密级硕士学位论文基于上下文的协同过滤算法研究学位申请人：杨名扬学科专业：软件工程指导教师：沈刚教授答辩日期：2014.5.9万方数据AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreefortheMasterofEngineeringResearchofCollaborativeFilteringAlgorithmsBasedonContextCandidate:YangMingyangMajor:SoftwareEngineeringSuper

2、visor:Prof.ShenGangHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaMay,2014万方数据华中科技大学硕士学位论文摘要世界范围内网络技术迅速地普及并广为应用，电子商务也取得了十分快速的发展。互联网上信息数量和强度快速膨胀，现在，人们从信息匮乏时代进入到了信息过剩的时代，所关注的核心问题逐渐变成在怎样在广袤的资源中找到所需要的关键信息，推荐系统应运而生。其中，协同过滤技术作为最重要的技术之一，在理论研究方面和实践之中同时都得到了成功而迅猛的发展。但是，用户的相似度计算，数据稀疏下

3、系统的冷启动，诸如此类问题阻碍了协同过滤算法推荐质量的提高。这些问题在一定程度上会直接影响推荐系统的质量。部分算法时间复杂度较高，计算开销较大。针对上面所提及的几个问题，对算法提出改进。针对基于领域的算法中基于用户和基于物品的协同过滤基础算法，对部分项加以权重或者处罚，给出了相应的改进算法，以提高推荐准确度提高推荐质量。提出了基于用户注册信息的算法，来解决冷启动问题。针对基于内容过滤推荐算法难以灵活的结合多维信息，而协同过滤算法总是需要依据显示或隐式的评分数据。以至于推荐算法通常都面临着数据稀疏，系统冷启动，算法可扩展性等问题。提出利用联合概率矩阵分解的方法进行基于上下

4、文信息的推荐，这种算法相比其他的矩阵分解算法在预测精度上有一定的提升，并且在数据稀疏性，冷启动，数据量大时都有比较好的表现。关键词：推荐系统协同过滤上下文信息矩阵分解I万方数据华中科技大学硕士学位论文AbstractWiththeapplicationandpopularizationofnetworktechnology,therapiddevelopmentofe-commerce,moreandmoreinformationontheWebisflooded.Peoplebythelackofinformationintotheinformationageoffa

5、st-growing,theeraofinformationoverload.HowtofindinformationsuitedtotheirneedsinanumberofresourcestobecomeoneofthecoreproblemsofmanyscholarswhichisexpertsandInternetusersconcerned.Recommendedsystemcameintobeinginsuchacontext.Collaborativefilteringtechnologyistherecommendedsystem(Recommend

6、erSystem),oneofthemostcoretechnology,iscurrentlythemostwidelyusedandsuccessfultechnique,theoryandpracticeinredhavemaderapiddevelopment,itisbasedonuserselectioninformationandhistoricalsimilaritiesrelations,collectionandevaluationofuserintereststhesameinformationforotheruserstogeneratereco

7、mmendations.However,thetraditionalcollaborativefilteringalgorithmsfacedsparsedata,usersimilarityisdifficulttomeasure,inrealtimeandcanbeadjustedtoexpandandpoorareas,affectingthequalityoftherecommendationsystem.Weusecollaborativefilteringalgorithmrecommendationsystemforthes