欢迎来到天天文库
浏览记录
ID:35059558
大小:4.71 MB
页数:49页
时间:2019-03-17
《基于上下文建模的协同过滤算法研究》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、 ̄ ̄单位代码10602II学号2013011518分类号TP391级公开_5心i;摩幽^呼爲V.^::^GUANGXINORMALUNIVERSITY硕击学化文基于上下文建模的协同过滤算法研究ResearchonCollaborativeFilterinAlorithmBasedonContextggModeling学院:计算机科学与信息工程学院专业:计算机软件与理论研究方向:数据挖捆年级;2013级研究生:宋爽指导教师:陈元谈
2、完成日期:2016年4月基于上下文建模的协同过滤算法研究专业名称:计算机软件与理论申请人:宋爽指导教师:陈元谈论文答辩姜员会令主席;和委员;泣整^么yL?基于上下文建模的协同过滤算法研究学生:宋爽指导老师:陈元谈03专业;计算机软件与理论研究方向;数据挖掘年级:21级摘要随着互联网的广泛应用,用户所能接触的信息呈爆发式增长,通过大数据分析用户行为模式、预测趋势的研究开始流行起来。而此时,推荐系统的出现,通过主动给用户推荐其可能感兴趣的商品和服务,大大降低了用户从
3、海量信息中找到自己感兴趣的内容的难度。一般是根据分析用户的行为,计算用户之间的相传统的推荐系统、偏好、个人特征一似度,为其产生推荐。通常假定用户喜好成不变,没有考虑上下文因素对用户选择的影响。上下文感知推荐系统在传统推荐系统上进行扩展,不再仅仅关注用户与项目之间关联,它充分考虑上下文环境如季节、地域、也情等)对用户决策的影响,将用户当前所处的(上下文信息运用到推荐过程中。沒使得推荐结果不仅满足个性化要求而且符合情境化需要。在此基础上,本文应用贝叶斯方法对上下文建模,判断某情境中,上下文对用户决策
4、,的影响力,改进协同过滤算法更好的为用户做出个性化的推荐。本文主要在如下几个方面做了研巧工作:1.分析上下文的意义和作用,比较了几种上下文范式,选用计算最为复杂但效果最佳的上下文建模范式,结合贝叶斯方式来构建上下文用户兴趣模型,计算用户对项目的评分中上下文出现的概率,将概率作为权重融入到模型中。2.,在求解单个用户对单个项目所有评分数据中考虑到样本量少,难W求得各上下文出现的概率,,这种分类有助于解决数据稀疏性和计算。将用户和项目聚类处理实验证明的复杂度问题。3,,.改进基于用户的协同过滤望法将
5、上下文因素融入到算法中提高推荐的准确度。4.本文在两个数据集上做离线实验,将本文算法与传统的协同过滤算法,DCR(DiferentialContextRelaxation)算法做对比性实验,结合评测指标MAE和RM化两个一指标,综合对比数据可知本文的算法可在定程度上提高推荐系统的准确性。关键字:协同过滤;上下;上下文:;推荐系统文感知建模IResearchonCollaborativeFilteringAlorithmBasedonC(mt:extModelinggAuthor
6、;SongShuan呂Tutor;ChenYuanYa打Specialty:SoftwareengineeringDirection;DataMiningGrade:2013Abs化ac!tWiththewidealicationofInternetthemfonnatio打thattheusercancontactisinthepp,explosiverowththroughbigdateanalsisofuserbehavioratterna
7、ndforecasttrendbein1:ogypgou.BthistimeTheKcommendatio凸sstemthrouhtheinitiativetorecommendusersofpppy,y,goodsandserviceswhichmabeofinterestreatlrecintheusertofindthecontentthegy,gydugyareinterestedininformationfromthema
8、ssofdifficulty.The*traditionalrecommendationsystemsarege打erallybasedonanalysisofusabehavior,refers打cesersonalcharacteris
此文档下载收益归作者所有