基于双聚类模型的协同过滤推荐引擎研究

《基于双聚类模型的协同过滤推荐引擎研究》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、ResearchOnCollaborativeFilteringRecommendationEnginebasedonBiclusteringKangMeiLinAthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringlnComputerApplicationTechnologyCentralSouthUniversityofForestryandTechnology498ShaoshanSouthRoad，TianxinDistrictChangshaHuna

2、n410004，P．R．CHINASupervisorProfessorLiuJun肠，May,2013J

3、IlllllIlllllllllIIIIIIIIIIIIfillIfIY2317009中南林业科技大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品，也不包含为获得中南林业科技大学或其他教育机构的学位或证书所使用过的材料。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表明。本人完全意识到本声明的法律后果由本人承担。作者签名：燃

4、蚓弓年岁月】6日中南林业科技大学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或电子版，允许论文被查阅或借阅。本人授权中南林业科技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：l、保密口，在年解密后适用本授权书。2、不保密叫(请您在以上相应方框打“√")作者签名：燃≯。1弓年占月26日／／7摘要随着计算机和互联网技术的蓬勃发展，网络中信息量成指数增长，互联网步入大数据时代，信息过载问题日益明显。个性化推荐引擎能够

5、帮助用户从海量的数据中辨别、过滤信息，主动给用户推荐有用的信息，它是解决信息过载问题的一种具有潜力的技术，成为学术界研究的热点之一。协同过滤推荐技术是目前应用最为广泛和成功的个性化推荐技术，但该技术存在大数据和数据稀疏性等缺点，影响了推荐的性能。为提高推荐质量和加快推荐响应速度，研究者们提出对用户或项目进行聚类的协同过滤方法，实验表明获得了较好的效果。本文为进一步提高协同过滤推荐性能，综合考虑用户和项目的二元关系，提出一种双聚类模型的协同过滤推荐算法，即首先对用户和项目同时进行聚类，利用多目标免疫进化算法求解双聚类集，挖掘局部相似模式，完成对用户和项目相似性分组，然后制定合理的

6、相似度策略，计算用户和双聚类之间的相似性，搜索用户的邻居集，再根据预测策略给用户进行项目预测评分，最后在线为用户进行TOP．N推荐。为评估该算法的性能，采用MovieLense数据集进行实验，结果表明不仅提高了推荐质量，而且加快了推荐响应速度，其性能优于其他协同过滤方法。本文提出以用户体验为中心设计推荐系统，为提高用户体验，加快推荐响应速度，本文设计一个离线计算在线推荐的系统结构，并对基于双聚类模型的协同过滤推荐引擎进行设计，最后实现一个推荐引擎原型。关键词：推荐引擎；协同过滤；双聚类；多目标免疫进化AbstractWiththevigorousdevelopmentofcom

7、puterandInternettechnology,theinformationofnetworkwasexponentiallygrowing，andtheInternetwasenteringtheeraofbigdata，andtheproblemofinformationover-loadwasincreasing·Personalizedrecommendationenginecanhelpuserstoidentifyandfilterinformation，anditcanrecommendusefulinformationtousers，SOitisapote

8、ntialtechnologytos01vetheproblemofinformationoverload，anditbecomesoneofthehotspotsofacademicresearch．C011aborativefilteringrecommendationtechnologyisthemost．widelyusedandmostsuccessfulpersonalizedrecommendationtechnologynow．Butithastheshortcomingin