协同过滤技术及其在推荐系统中的应用研究

《协同过滤技术及其在推荐系统中的应用研究》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TP31学位论文密级单位代码—而协同过滤技术及其在推荐系统中的应用研究冷亚军指导教师姓名梁昌勇教授申请学位级别管理学博士专业名称管理科学与工程论文提交日期2013年4月论文答辩日期2013年6月学位授予单位和日期合肥工业大学答辩委员会主席评阅人赵定涛教授匿名2013年4月合肥工业大博士学位论文学1嗍愀协同过滤技术及其在推荐系统中的应用研究作者姓名：猃亚垩申请学位：笪理堂熊±指导教师：梁昌勇教援专业：笪理科堂皇工猩研究方向：信：氢笪理皇信息丕统合肥工业大学2013年4月ADissenionSubmi仕edtoHe诧iUr曲ers时ofTechnolo斟formeDe舯eofD

2、octorof蹦losopllyCoUaboratiVeFilteringandItsApplicationinRecommenderSystemsBy浏unLengHefeiUnivers毋ofTechnologyHefei，Armui，PRChinaApril，2013合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学博士学位论文质量要求。主席：委员：答辩委员会签名(工作单位、职称)彩同叼纠拟i拓久‘fl叫姆缸砭<便乞斗舌俨≯夕穴≯驭筋≮芗￡咽乙房肛坝露款才乏荡弛导师：辫易笏∥、、’v‘Ij易砌．舍肥穆右矛彩红宋伟余玉刚倪志伟任明仑蒋翠清匿名同行评议专家名单中国

3、科学技术大学合肥工业大学同行评阅专家名单教授、博导答辩委员会名单赵定涛中国科学技术大学教授、博导周荣庭中国科学技术大学教授、博导倪志伟合肥工业大学教授、博导任明仑合肥工业大学教授、博导蒋翠清合肥工业大学教授、博导答辩委员会主席赵定涛中国科学技术大学教授、博导独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得金胆王些太堂或其他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作了明确的说明并表示谢意。学位论

4、文作者签名：签字日期力侈年乡月纡日学位论文版权使用授权书本学位论文作者完全了解金罂王些太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权—金照王些太堂可以将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、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：褥驴替隰舫占月驷学位论文作者毕业去向：工作单位：通讯地址：剔程名：兽易易签字嗡女瞻细忙电话：邮编：摘要随着Intl洳et的迅猛发展，网站中的信息急剧增长，人们想要发现、收集和维护自己所需的信息霈要花费大量

5、的时间和精力，“信息超载”现象越来越严重。推荐系统是解决这一问题的有效方案，它根据用户的特征，推荐满足用户需求的对象，实现个性化服务。推荐系统在电子商务环境下的作用尤为突出，它可以从三个方面提高网站的收益：将电子商务网站浏览者转变为消费者；提高电子商务网站交叉销售能力；建立电子商务网站客户忠诚度。协同过滤是目前推荐系统中广泛使用的最成功的推荐技术。它首先找出一组与目标用户偏好一致的邻居用户，然后对邻居用户进行分析，把邻居用户喜欢的项目推荐给目标用户。协同过滤不需要考虑项目的内容，且易于实现，许多大型网站都应用了协同过滤技术为用户提供个性化服务。尽管协同过滤在个性化推荐方面取得了巨

6、大成功，但却面临着数据稀疏性、多内容、可扩展性和群体推荐等关键问题，这些问题制约着其进一步发展，因此需要对这些问题展开深入的研究。本文的主要研究内容如下：(1)对协同过滤领域的国内外研究进行了全面梳理，在此基础上阐述了协同过滤的基本知识，提炼了协同过滤中存在的关键问题，并介绍了国内外研究人员对这些问题的研究现状。(2)最近邻选择是协同过滤的核心步骤，通常的做法是计算目标用户与其他用户的相似性，选择相似性最高的前七个用户作为目标用户的最近邻。然而，由于用户的评分向量异常高维、稀疏，使得协同过滤中的最近邻搜寻结果不够合理，从而导致较差的推荐质量较差。基于此，提出一种有效的最近邻选择方

7、法一两阶段最近邻选择算法。给出近邻倾向性的定义，形成初始近邻集合；通过等价关系相似性对初始近邻集合进行修正，使搜寻到的最近邻更加合理。(3)针对协同过滤的多内容问题，提出了一种基于项类偏好的协同过滤推荐算法。首先为目标用户找出一组项类偏好一致的候选邻居，候选邻居与目标用户兴趣相近，共同评分较多。然后在候选邻居中搜寻目标用户的最近邻，从整体上提高最近邻搜寻的准确性。(4)针对协同过滤的可扩展性问题，提出了一种改进的近邻传播聚类算法。采用灰关系等级和Jacc_ard系数对用户相似度矩