小议基于协同过滤的推荐系统的研究

《小议基于协同过滤的推荐系统的研究》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、分类号UDC注l学位基于协同过滤的推(题名和副题名)曾小波(作者姓名)指导教师姓名魏祖宽苗0教授电子科技大学成都(职务、职称、学位、单位名称及地址)申请专业学位级别硕士专业名称计算机软件与理论论文提交日期2010．论文答辩日期2010．学位授予单位和日期电子科技大学答辩委员会主席评阅人2010年注l：注明《国际十进分类法u)C》的类号。月目lj(：．'日期：力，口年厂月w日■一摘要随着互联网的快速发展，电子商务得到了广泛的应用。系统规模也变得越来越大。面对如此多的信息量，传统的推荐系统已经无法满足向人们进行个性化推

2、荐的需求。协同过滤做为一种常用的减少信息过载的技术，已经成为个性化推荐系统的一种主要工具，然而现有的大多数协同过滤算法都存在数据稀疏的问题。如何在数据稀疏的情况下提高推荐系统预测的精确率成为本文需要研究的主要问题。本文以协同过滤系统中的数据稀疏问题为主要研究对象。在深入分析常见的推荐算法的基础上，提出了结合奇异值分解、基于用户和项目的协同过滤算法的混合型推荐算法。在数据稀疏的情况下，该算法可以提高推荐系统的预测精确率。主要工作包括：1．论述了推荐系统的研究意义以及国内外研究现状。2．深入介绍了基于内容的过滤技术与协

3、同过滤技术，并对这两种技术的优缺点进行了探讨。3．介绍了奇异值分解的有关概念与评价个性化推荐系统性能的各种指标。4．深入研究了协同过滤系统中的数据稀疏问题和相似度计算存在的问题的解决方法，先分析了现有的解决方法，然后提出了H蛳dSVD方法。Hyb订dSVD方法先用奇异值分解来获得活动用户的邻居，然后利用修正的相似度计算方法和基于用户与项目的协同过滤技术来预测活动用户的评分。5．对常用的推荐算法与HvbridSVD方法在两个数据集上的实验结果进行了对比分析。结果显示本文的方法比其它方法有更好的性能。关键词：推荐系统，

4、协同过滤(CF)，奇异值分解(SVD)，稀疏性●ABSTRA(了rABSTRACTWimtherapiddevelopm饥tofnleintenlet，e-bllsinessiswidelyused．Tllesyst锄scalebecome1砸gcrandl掣Tr撕CitonalreCommeIld撕onsystemc趾notsatis矽medemaIldof西ⅥngtllecuStomerspersonalizedrecomm胁dationabout吐leprodllctS仔oms0nmchinfomlation

5、．CollaboratiVefiltefingisapopluartechIlique矗wreducingmeiIlf0】1IlationoV盯load．Howe峨mDstof也ecullr∞tc01laboratiVe61锄ngalgoritll】[Ilshastlle1i芏IlitationofdataSparsi啦Howt0iIllpr0Vetllep‘缸．oImanceofme删ction觚吼lracywhen廿ledataissparseistllemajorprobl锄吐lisdissertations

6、tll以IIlthisdissenation，ⅡledatasparsityeXistingi11ⅡleColldbo豫：tiVefilt醯lgsystemh勰be％aIlalyzed．wepresent也en0Velhybrid∞舢eIldationalgorinl：msc0恤biIlingⅡ1esingularValuedecompositionwi也uS*baSed觚ditem_b弱cdcollabo豫：tiVefilterme￡hods．Themailltaskareas1．01lows：1．DisCuss

7、ingtlles叫ysi嘶fic锄ceandresearchstatusathome锄daboardofrc=c．)姗endationsystem．2．IntroduCingmeus*basedanditem-b嬲edcollaborativefilte血gtechniqueSindepm，tllenwediscIlsstlleadVantageandlimitationa：boutt11ist、)l，otechIliques．3．№ducing廿1ebaSicConc印tsofsingularVaLluedec删

8、砷osition锄dtlleevaluationmetriCsfor也eperfom觚ceofpersonalizedre：comm钮dationsystem．4．Stlld姐ngtllesolutionofproblemsabouttlledatasparSit)，andsinlil撕锣iIld印m．wefirst锄alyzedⅡle㈣tsol们ons，t