基于协同过滤的个性化推荐系统算法研究

《基于协同过滤的个性化推荐系统算法研究》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、学校代码：10255学号：2161318基于协同过滤的个性化推荐系统算法研究RESEARCHONPERSONALIZEDRECOMMENDATIONSYSTEMALGORITHMBASEDONCOLLABORATIVEFILTERING学科专业：控制工程论文作者：李国振指导老师：方建安答辩日期：2018年5月29日东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过

2、的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日东华大学学位论文版权使用授权书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，允许论文被查阅或借阅。本人授权东华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。保密□，在年解密后适用本版权书。本学位论文属于不保密□。学位论文作者签名：指导教师签名：日期：年月日日期：年月

3、基于协同过滤的个性化推荐系统算法研究基于协同过滤的个性化推荐系统算法研究摘要随着互联网技术的飞速发展和大数据时代的到来，网络信息资源迅速膨胀，形成了海量信息。海量的信息资源为人们的生活带来了极大的便利，然而人们想要从海量的信息资源里找到自己感兴趣的内容却变得越来越困难，这就是“信息过载”现象。为了解决这个问题，学者们提出了基于个性化推荐技术的解决方案。在个性化推荐技术中，协同过滤算法是应用最为广泛的技术。因此本文以协同过滤算法作为研究对象，针对它在实际应用中所面临的准确性、扩展性和数据稀疏性等问题进行了研究，提出了相应的改进算法

4、。本文的研究工作如下：1.推荐系统及推荐算法研究概述。首先详细地介绍了推荐系统的基本概念；然后深入分析了推荐系统中常用的几种推荐算法；最后重点研究了协同过滤算法的分类以及基于用户的协同过滤算法的实现步骤。2.融合项目属性和兴趣变化的改进协同过滤算法研究。针对传统协同过滤算法存在的寻找最近邻居不准确和忽略用户兴趣变化的问题，本文提出了一种融合项目属性和兴趣变化的改进协同过滤算法。首先针对最近邻居寻找不准确的问题，本文在用户-项目评分矩阵的基础上，构建能反映用户对项目属性偏好信息的用户偏好矩阵。在用I基于协同过滤的个性化推荐系统算法

5、研究户偏好矩阵上计算出基于用户对项目偏好信息的用户之间的相似度，将这种相似度以一定的比重加权到传统的基于评分矩阵的用户相似度上，得出了一种改进的综合相似度计算方法；然后针对忽略用户兴趣变化的问题，本文在评分预测阶段加入了能反映用户兴趣变化的衰减函数。实验结果证明，通过对相似度和评分预测公式的改进，融合项目属性和兴趣变化的改进协同过滤算法有效地解决了传统协同过滤算法面临的寻找最近邻居不准确和忽视用户兴趣变化的问题，提高了推荐结果的准确度。3.基于模糊聚类和矩阵填充的改进协同过滤算法研究。首先，针对传统协同过滤算法存在的扩展性问题，

6、本文提出了一种基于聚类的改进协同过滤方法。通过在聚类簇中寻找最近邻居，极大减小了搜索空间，提高了推荐效率。同时考虑到传统k-means算法聚类效果不理想的问题，本文在对用户和项目进行聚类时，使用模糊聚类的方法代替传统的k-means聚类算法，以提高最近邻居筛选的准确度；然后针对传统协同过滤算法面临的数据稀疏性问题，提出了一种在项目聚类的基础上，用基于加权的SlopeOne算法对稀疏矩阵进行填充的方法。在利用加权SlopeOne算法对稀疏矩阵进行填充时，考虑到共同评分用户数较少时填充不准确的问题，提出了为SlopeOne算法设置阈

7、值因子的方法，以提高填充数据的质量；最后在上述改进的基础上，提出了基于模糊聚类和矩阵填充的改进协同过滤算法。改进后的协同过滤算法在用户和项目方向上同时进行聚类。首先利用用户偏好矩阵和原始评分矩阵分别对用户和项目进行聚类，然后在项目聚类的基础II基于协同过滤的个性化推荐系统算法研究上用改进的SlopeOne算法对原始矩阵进行填充，在填充后的矩阵上利用改进的相似度计算公式求出用户相似度，最后再利用基于用户的协同过滤算法进行推荐。实验结果表明，基于模糊聚类和矩阵填充的改进协同过滤算法在保证实时性的同时，能有效缓解数据稀疏性带来的影响，

8、显著地提高推荐结果的准确度。关键词：个性化推荐；协同过滤；兴趣变化；模糊聚类；SlopeOne算法III基于协同过滤的个性化推荐系统算法研究RESEARCHONPERSONALIZEDRECOMMENDATIONSYSTEMALGORITHMBASEDONCOL