协同过滤推荐系统中稀疏性数据的算法研究

《协同过滤推荐系统中稀疏性数据的算法研究》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、４击如成＊著ＦＣＨＩＩＥＮＣＥＡＮＤＥＣＨＮＯＬＯＮＡＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＴＯＧＹ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳＸ乂－、方＼／穿■？這支题目协同过滤推巷系统中稀疏性数据的算法抑究■学科专业巧用数学学号２０１３２１１００４０８作者姓名李容指导教师李明奇副教援分类号密级注1UDC学位论文协同过滤推荐系统中稀疏性数据的算法研究李容指导教师李明奇副教授电子科技大学成都申请学位级别硕士学科专业应用数学提交论文日期2016.3.29

2、论文答辩日期2016.5.17学位授予单位和日期电子科技大学2016年6月答辩委员会主席钟守铭评阅人张勇武德安注1：注明《国际十进分类法UDC》的类号。ResearchonSparseDataAlgorithminCollaborativeFilteringRecommendationSystemAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:AppliedmathematicsAuthor:LiRongAdvisor:APLiMing

3、qiSchool:SchoolofMathematicalSciencesUESTC独剑性声明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Ｗ标注和致谢的地方夕ｈ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作了明确的说明并表示谢意。作者签名：寺您日期：＞／告年＾月＞＾日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论

4、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。本人授权电子科技大学可Ｗ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应遵守此规定）作者签名：疋若导师签名：叩夺才曰期：年／月曰摘要摘要伴随网络的高速发展和计算机技术的日新月异，电子商务中出现了信息过载的现象。为了尽快地处理类似情况，推荐系统随之诞生，此中以协同过滤算法为基础的系统更是得到了具大的肯定。但还是存在一些不易解决的问题，其中影响最大的

5、就是数据过于稀疏的问题。本文主要针对协同过滤推荐系统中稀疏性数据的现象，提出优化传统算法的方案。首先，深入研究传统协同过滤推荐算法在稀疏性数据的场景下，相似度计算存在的优缺点，对比并且对其修正，得到基于改进计算方法的协同过滤算法。然后，根据稀疏数据的特征对用户—项目矩阵利用改进PCA减维。将通过建立可扩展聚类方法，对原始数据利用优化的K-Means算法进行有效聚类，得到针对稀疏性数据的基于降维和聚类的协同过滤算法，并将在电影推荐场景中使用优化后的算法。主要研究内容包括：(1)深入研究传统计算方法在评分数据异常稀疏的场景下，无法准确的表达用户间相

6、似程度的问题，并在此基础上提出相应的改进方案。针对传统的相似度计算方法普遍没有考虑用户之间的共同评分项数量的问题，以及考虑到每个用户的评价标准是不一致的问题，对相似度计算进行改进。得到优化的协同算法，能更加全面考虑传统计算方法存在的缺陷。(2)研究处理稀疏数据的有效方案。分析改进主成分分析PCA，并将其用来对过于稀疏的评分矩阵进行减维处理，有效较低数据的稀疏度。研究可扩展性的改进聚类方法，对初始数据集利用优化的K-Means算法对其进行有效聚集，将具有高相似性的用户划分到相同的类中，能更好的构造用户邻居集，从而减少稀疏数据对算法的影响，同时改善

7、传统协同过滤算法在选取邻居时计算过于复杂度的问题。最后利用电影数据集movielens对本文的优化算法进行验证，仿真表明在电影推荐场景下，确实能改善稀疏性问题。关键词：协同过滤算法，稀疏性数据，相似度计算方法，主成分分析，聚类分析IABSTRACTABSTRACTWiththerapiddevelopmentofInternetandcomputertechnologyadvances,Thephenomenonofinformationoverloadapperinthee-commerce.Inordertodealwiththissitu

8、ationassoonaspossible,therecomesintobeingrecommendsystem,andthesystemthatba