推荐系统中一种改进的协同过滤推荐算法的研究

《推荐系统中一种改进的协同过滤推荐算法的研究》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、代号10701学号1021221346分类号TP311.5密级公开题（中、英文）目推荐系统中一种改进的协同过滤推荐算法的研究StudyonanImprovedCollaborativeFilteringAlgorithmforRecommendationSystem作者姓名方卫华指导教师姓名、职务郑有才副教授学科门类工学学科、专业计算机软件与理论提交论文日期二○一三年一月西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学分和优良的科学道德，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

2、标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技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做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存

3、论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在本人签名：导师签名：年解密后适用本授权书。日期日期摘要伴随互联网信息资源规模的迅猛增长，用户要在海量信息空间中获得符合自己需求的信息也越发困难。推荐系统作为一种智能个性化信息服务系统，为用户推荐用户感兴趣的信息资源。推荐算法是推荐系统的核心，近些年来，协同过滤技术作为迄今为止应用最成功的推荐技术之一，得到了研究者广泛的关注。然而，传统的协同过滤算法存在许多的问题，其中数据稀疏性问题直接影响推荐系统的推荐结果的好坏。本论文对推荐系统做了深入

4、了解与研究，认真学习了广泛使用的协同过滤推荐算法。为了解决传统的协同过滤推荐算法的数据稀疏性问题，本文在对矩阵分解技术进行有益的探索和研究的基础上，提出了一种基于非负矩阵分解的改进的协同过滤推荐算法，并且通过模拟数据和真实数据对改进后的算法进行了性能验证。最后，本文在模拟数据集上和真实数据集上对改进后的算法进行测试，从推荐的平均绝对误差、推荐精确率和推荐召回率三个方面验证了本文所提算法的有效性，并且与传统的基于用户的协同过滤推荐算法进行对比，实验证明了本文所提算法可以有效解决数据稀疏性问题从而提高算法的推荐效果。关键词：推荐系统数据稀疏性非负矩阵分解协同过滤推荐算法Abstract

5、Withtheexplosivegrowthofonlineinformation,itbecomesmuchmoredifficultforuserstoobtaininformationtheyarefondof.Asanintelligentpersonalizedinformationsystem,recommendersystemsprovideuserswithinformationthattheyareinterestedin.Recommendationalgorithmistheheartofrecommendationsystem,recentyears,col

6、laborativefilteringtechnique,asoneofthemostsuccessfullyappliedtechniques,haswonnationwideattentionfromresearchers.However,traditionalcollaborativefilteringalgorithmhasmanyproblems,amongstwhichthedatasparsityproblemdirectlyaffectstheresultsofrecommendationsystem.Thispaperhasdoneadeepresearchonr

7、ecommendationsystem,andhaswellstudiedthewidelyutilizedcollaborativefilteringalgorithm.Inordertosolvethedatasparsityproblemexistedinthetraditionalcollaborativefilteringalgorithm,thispaperhasputforwardanon-negativematrixfactorizationbased