基于协同过滤算法的个性化推荐应用研究

《基于协同过滤算法的个性化推荐应用研究》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、中困分类号１９龍；公开；ＴＰ３ＵＤＣ：００４繼码：１０£８２＿■１＾ｍ呀ｆｔ於Ａ嗦Ｈ巨目ＥｌＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩ巨ＮＣ巨ＡＮＤＴＥＣＨＮＯＬＯＧＹ硕±学位论文基于协同过滤算法的个性化推荐应用硏究论文作者：刘珊搪导教师：杨奎河教授企业指导教师：下保忠高级工程师申请学位类别：王程硕古学科、领域：计算机技术所在单位：信息科学与工程学院答辩日期：２０１６年１２月河北科技大学学位论文原创性声明，视立进行研究工

2、本人郑重声明：所呈交的学位论文，是本人在导师的指导下，巧己在文中从明确方作所取得的成果。对本文的研巧做出重要贡献的个人和集体己经发式标明，本论文不包含任何其他个人或集体。除文中己经注明引用的内容外。表或撰写过的作品或成果。本人完全意识到本芦明的法律结果由本人承担：学位论文作者签名：若指导教师签名＞。／知日＾年月ｎ日月（７７／《河北科技大学学位论文版权使用授权书’同意学校保留本学位论文作者完全了解学校有关保留、使用学位论文的规定。本并向国家有关部ｎ或化构送交论文的复印件和

3、电子版，允许论文被查阔和借闽人授权河北科技大学可政将本学位论义的全部或部分内容编入有关数据库进行检。Ｌ、缩印或扫描等复制手段保存和汇编本学位论文索，可乂采用影印远。□保密年解蓝用本授权书，在后＿＿本学位－论义摇于保密。＂＂＾）＾（请在巧打从上方框－如：名：指导教师签為．学位论文作者签名点、蜡？化月年ｔＷ３年心（《听ClassifiedIndex：TP319SecrecyRate：PublicizedUDC：004UniversityCode：10082HebeiUniv

4、ersityofScienceandTechnologyDissertationfortheMasterDegreeResearchontheApplicationofPersonalizedRecommendationBasedonCollaborativeFilteringAlgorithmCandidate：LiuShanSupervisor:Prof.YangKuiheEnterpriseSupervisor：SeniorEngineerDingBaozhongAcademicDegreeAppli

5、edfor：MasterofEngineeringSpeciality：ComputerTechnologyEmployer：SchoolofInformationScienceandEngineeringDateofOralExamination:December,2016摘要摘要当前，个性化推荐系统得到广泛应用。推荐系统的核心就是推荐算法。然而，应用最广泛的协同过滤算法暴露出很多问题。为此，本文主要进行了以下几方面工作：首先，针对传统协同过滤实时性差的问题，本文采用聚类算法重构评分矩阵，但传统k-mea

6、ns聚类随机选取聚类中心的方法，极易造成聚类结果不稳定，本文采用一种可以比较稳定选取初始聚类中心的方式，对传统聚类进行改进。通过聚类使相似性高的用户在同一类簇，用户搜寻最近邻居时，只需考虑与目标用户相似度高的类簇，加快了系统搜寻邻居的速度，在一定程度来改善传统算法实时性问题，提高算法的计算速度。其次，不同于传统基于聚类的协同过滤在整个评分矩阵聚类，本文采用隐语义模型对用户-项目评分矩阵进行分解处理，为防止处理过程中出现过拟合现象，采用梯度下降法对其进行更新，从而达到对原始评分矩阵进行分解，分解后产生一个用户

7、隐类矩阵和一个隐类项目矩阵，在分解后矩阵上进行聚类，分解后摒弃许多无用数据，聚类维度得以降低。最后，本文实现一个电影推荐系统。用户可以在该系统输入用户的id号和需要被推荐电影的数目，系统推荐模块通过分析用户历史信息计算出用户感兴趣的电影条目。推荐出的电影按照预测出的用户对电影的偏好值进行排序，预测值越高系统认为用户越喜欢该电影。用户可以根据系统推荐结果选择自己感兴趣的电影，从而节省搜寻时间。为了证明算法的有效性，本文进行了试验。实验结果表明，一定程度上提高了推荐速度和推荐质量。关键词协同过滤；k-means

8、聚类；矩阵分解；隐语义模型；梯度下降法IAbstractAbstractNowadays,personalizedrecommendationsystemhasbeenwidelyused.Recommendationalgorithmisthecoreoftherecommendationsystem.However,themostwidelyusedcollaborativefilteringalgorith