半监督聚类在数字图书推荐中的应用研究

《半监督聚类在数字图书推荐中的应用研究》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、；．＼．巧；．？Ｖｆｈ班．心ｔ皆＂款；式３荀巧５許．臺马？｝巧＇Ｍ；．，巧．；＞＾，．．．／Ａ、．Ｎ》＇．ｆ＾起ｕｔｖｖｌ作ｍ＾豕、ｗ台ｔ．賓嫂＇、－ｒ，、山－：禱／号／冀ｒ货Ｉ芝：１Ｈ或１Ｈ巧／硕学学、／＇、；．＆＾＂．＇．’叩吊：＼、讀产早；一Ｍ２於处Ｓ应韻泰－：＾／丰夺Ｊ－廷＇：苗．＂．－讓＇，＾．＇：，Ｔ、．＾Ｘ‘籍４，－＆違？ｒ／＇ｖ．戈斋．屯辜．运２＼＾．！；女於篡－，‘汽马－策在遠；＞考貧．長普．却‘ｆ－感冷．．；‘；望护赛题’：八；＂

2、對；據６‘：＾户－．＾谅、＾、５．接蓉．苗记ｋ瑪．八片＇弓％．＇：苗．占１器说＇．心对Ｔ．＊琴爹＇Ｔ；１觀讓ｃ转总；．Ｖ冶、；岭驚ｉ．ｎ、＂＂Ｐ．，．；Ｕ游聲赛１０ｒｒ产．芭｛＼巧．；巧＾豁＾魏微警１赛教师延ｖｉ气／辦巧＇．．．．ｖ．巧．．＾‘－霸貫＂．名務＾计巧謂．，．：．：吗克蠢ｆ，打．直朽哭＾、方０挪器的貧轉壤六．，＇、覆．＃；＇、．．嫌若韦ｖ．．ｆ義貧－接巧＜；蹇，ｖ．Ｖ違＾Ｈ．ｆ沪．非．＂為爲＾苗－．錢；袜ｆｔ猶．心ｖ啼‘．＇ｓ／義章ｒ．一：．

3、Ｘ於’章０ｌ柳／＇．．、ｙ＇ｖ、’巧．ｖ社／ｎ．ｓ＆％＾；棘＼契与簾．ｉ＞ｐ詳，寡＼＼‘’，舊‘巧Ｈ＾．倍、Ｓ＾ｒ！１ｖ．Ｖ／＾＾Ｖ發＾一＾－４．Ｕ．寒谦采；１／：ｆｃ’：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巧工作及取得的研究成果。除了文中特别加ｉｕ标注巧致谢的地方外，论文中不包含他人已经发表或撰写过的研究成果，也不包含为获得重庆师范或其他教育机构的学位或证书而使用过的材料一。与我去蓋＿＿同工作的同志

4、对本研巧所做的任何贡献均己在论文中作了巧确的说明。学位论文作者签名；签字日期；月３曰＞／＜年４：｜学位论文版权使用授权书本学位论文作者完全了解重庆师范大学有关傑留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权重庆师范大学可Ｕ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Ｗ采用影、缩印或扫描等复制手段保存印、汇编学位论文。学位论文作者签名：；签字日期；年支月多日！壑店Ｉ重庆师范大学硕士学位论文半监督聚类在数

5、字图书推荐中的应用研究硕士研究生：黄莹指导教师：魏延教授学科专业：计算机应用技术所在学院：计算机与信息科学学院重庆师范大学二〇一六年四月AThesisSubmittedtoChongqingNormalUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterApplicationofSemi-SupervisedClusteringinDigitalLibraryRecommendationCandidate：HuangYingS

6、upervisor：WeiYanProfessorMajor：ComputerApplicationTechnologyCollege：CollegeofComputerandInformationScienceChongqingNormalUniversityApril，2016半监督聚类在数字图书推荐中的应用研究摘要当前，推荐方式通常被分为三类：基于内容的推荐方法，协同过滤推荐方法和混合推荐方法。基于内容的推荐是为客户推荐其以往偏爱的产品的相似产品。它没有考虑到用户反馈的信息和用户暗含的兴趣，这样就会导

7、致结果的不正确。协同过滤推荐首先寻找当前客户的邻居客户，之后把邻居客户喜爱的商品推荐给当前客户。所以协同过滤推荐亟待解决的难题即是数据稀疏与冷启动。半监督聚类就是在无监督学习的基础上添加较少的监督信息，然后使用这些监督信息来提升聚类效果。度量函数在聚类中非常常见，常用的度量方式采用欧式距离，但是欧式距离同样存在很多不足之处：欧式距离度量对于椭圆形数据的处理效果很差；如果数据集里面的样本之间相关性很高，欧式距离度量的效果就不够理想；假如数据样本集的维数很大，计算量会非常大，那么算法的时间复杂度就会很高。针对上

8、述推荐方法与半监督聚类的问题，本文将改进的马氏距离用于半监督聚类，旨在实现多种推荐方法用于数字图书推荐。具体研究工作如下：（1）针对协同过滤推荐中相似度计算的方法比较少这一问题，以及欧式距离只对球形数据的处理效果较好，椭圆形数据的处理效果很差这一缺点，将基于熵理论的马氏距离用于度量。然后与高斯混合模型相结合，用于半监督聚类，构建目标函数，提高聚类质量。（2）监督信息不止包括数据标签，也包含样本的连接约束关系，但是