基于网络结构的个性化推荐系统的研究与开发

《基于网络结构的个性化推荐系统的研究与开发》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、浙江工业大学硕士学位论文基于网络结构的个性化推荐系统的研究与开发作者姓名：马晓迪指导教师：董辉副教授宣琦副教授旦啁刚强仪浙江工业大学信息工程学院2014年4月lSmUillIMMIllIIIllHIY2620182DissertationSubmittedtoZhejiangUniversityofTech-olofortheDegreeofMasterResearchandDevelopmentofPersonalizedRecommendationSystemBasedonNetworkStructu

2、reCandidate：MaXiaodiAdvisor：AssociateprofessorDongHuiAssociateprofessorXuanQiCollegeofInformationEngineeringZhejiangUniversityofTechnologyApr．2014浙江工业大学学位论文原创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果，也不含为获得浙江

3、工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名：马观也日期：冽降，月加日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权

4、书。2、不保蜜叨。(请在以上相应方框内打“√”)作者签名：马说也导师签名日期：加／f侔，月力口日日期：沙／侔f月Z多日浙江工业大学硕士学位论文基于网络结构的个性化推荐系统的研究与开发摘要个性化推荐系统作为互联网时代解决信息过载问题的有效手段，通过信息过滤使用户获取有效信息。目前个性化推荐系统在实际应用中的效果并不尽如人意，遇到的问题和挑战很多，尤其是在实际用户数据的处理上，存在算法实时性不佳、数据稀疏影响推荐精度等问题。本文在豆瓣网络数据上对传统的协同过滤推荐算法进行改进，通过网络结构的节点度值、有向网络

5、理论分别考虑最近邻居策略和有向相似度方向的作用，对用户在图书、电影和音乐领域收藏列表进行个性化推荐。推荐的结果在准确度、多样性和新奇性三种被广泛使用在衡量推荐算法效果的指标上进行比较和分析。结果表明，相比传统协同过滤推荐算法，两种改进算法均能够保证推荐结果的多样性和新奇性，在实际应用时可以保证用户的满意体验，同时最近邻算法可有效降低算法复杂度，而有向相似度算法则具有更高的推荐准确度。在应对信息过载问题时，作为对搜索引擎很好的补充，个性化推荐系统受到了国内外研究人员的广泛关注，本文通过豆瓣网络数据对协同过滤

6、算法进行分析改进和比较研究，发现了一些基于社交网络数据内容和网络结构的新现象，为以后算法研究提供了社交网络上的实验数据。将来这方面的研究可以通过考虑跨条目类型推荐以及好友因素、时间因素对用户兴趣口味的影响进行进一步扩展。关键词：复杂网络，推荐算法，协同过滤，最近邻，有向相似度浙江工业大学硕士学位论文RESEARCHANDDEVELOPMENTOFPERSONALIZEDRECoMMENDATIONSYSTEMBASEDoNNETWoRKSTRUCTUREABSTRACTAsaneffectivemetho

7、dofsolvingtheinformationoverloadproblemintheInternetage，personalizedrecommendationsystemenablesuserstoaccesseffectiveinformationthroughinformationfiltering．Currently,theeffectofpersonalizedrecommendationsysteminpracticeisunsatisfactory，encounteringmanypro

8、blemsandchallenges．Especiallyindealingwiththeactualuserdata，thealgorithmisalwaysnotfastenoughtobeusedinreal-timeapplication，andthedatasparsealsoreducesrecommendedaccuracy．Thispaperimprovedthecollaborativefilteringre