基于协同过滤算法的个性化推荐技术研究

《基于协同过滤算法的个性化推荐技术研究》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、中文图书分类号：TP391密级：公开UDC：004学校代码：10005硕士学位论文MASTERALDISSERTATION论文题目：基于协同过滤算法的个性化推荐技术研究论文作者：孔艳莉学科：计算机科学与技术指导教师：蔡永泉论文提交日期：2016.5.17UDC：004学校代码：10005中文图书分类号：TP391学号：S201307004密级：公开北京工业大学工学硕士学位论文题目：基于协同过滤算法的个性化推荐技术研究英文题目：RESEARCHONPERSONALIZEDRECOMMENDATIONBASED

2、ONCOLLABORATIONFILTERING论文作者：孔艳莉学科专业：计算机科学与技术研究方向：计算机软件与理论申请学位：工学硕士指导教师：蔡永泉所在单位：计算机学院答辩日期：2016.5.31授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，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，也不包含为获得北京工业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

3、论文中作了明确的说明并表示了谢意。签名：孔艳莉日期：2016年6月17日关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：孔艳莉日期：2016年6月17日导师签名：蔡永泉日期：2016年6月17日摘要摘要随着互联网的飞速发展，网络数据迅速膨胀，信息超载和信息迷航的问题日益突出，用户想要快速地从众多的数据中找到符合

4、自己需求的信息越来越难。为了解决这个问题，研究者们提出了个性化推荐技术解决方案，其中应用最为广泛的是协同过滤推荐技术，但该技术中存在的用户兴趣迁移、冷启动、数据稀疏、可扩展性等问题，严重影响着推荐结果的准确性，所以如何解决这些问题是当前研究的重点。本文针对协同过滤技术中存在的数据稀疏、用户兴趣迁移和可扩展性问题对协同过滤算法进行改进，主要工作如下：（1）协同过滤算法的推荐效果往往会受到用户兴趣变化的影响，针对此问题，本文构建了一个基于用户类型偏好的兴趣迁移模型。该模型考虑用户对不同类型项目的偏好程度，根据评

5、分时间对不同类型项目的评分进行不同速度的衰减。利用衰减后的项目评分矩阵进行用户相似度的计算和评分预测，有效地缓解了用户兴趣变化对推荐精确度的影响。（2）构建了一个适合协同过滤推荐算法的信任模型。该模型充分考虑了时间因素和用户评分数量对信任度的影响，利用T-采用率和可信度指标来计算用户之间的直接信任度和间接信任度。将信任度与基于时间的用户相似度进行线性组合，根据组合后的综合权重进行项目的预测和推荐，有效地解决了数据稀疏影响推荐精确度的问题。（3）针对协同过滤算法存在的可扩展性问题，本文利用K-means聚类算

6、法对用户进行聚类，并提出了一种基于熵值法的用户属性相似度计算方法。该方法考虑不同属性对区分用户的贡献程度不同，准确地计算了用户之间的属性相似度，有效提高了聚类结果的准确性。（4）本文利用MovieLens数据集设计了一系列实验对提出的改进算法进行验证。实验结果证明，本文提出的改进算法能够有效地提高推荐的准确性和可扩展性。关键词：个性化推荐；协同过滤；兴趣迁移；信任度；用户聚类-I-AbstractAbstractWiththerapiddevelopmentoftheInternet,thenetworkd

7、ataincreasesharply,whichleadstheinformationoverloadandinformationconfusionproblemsincreasinglyprominent.It’shardtofindtheaccurateinformationfortheusers.Underthiscircumstances,thepersonalizationrecommendationsystemappeared.Buttheinterestmigration,datasparse

8、,scalabilityandotherissuesimpactrecommendedaccuracyresultsseriously,howtosolvetheseproblemsisthefocusofcurrentresearch.Attendtotheinterestmigration,datasparseandscalability,thispaperdosomeimprovementforthecol