基于推荐权重和动态可靠近邻的协同过滤算法

《基于推荐权重和动态可靠近邻的协同过滤算法》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、分类号：TP391密级：公开专业学位研究生学位论文论文题目（中文）基于推荐权重和动态可靠近邻的协同过滤算法ACollaborativeFilteringAlgorithmBased论文题目（外文）onRecommendationWeightandDynamicReliableNeighbors研究生姓名郑上学位类别工程硕士专业学位领域计算机技术学位级别硕士校内导师姓名、职称申永军教授校外导师单位、姓名论文工作起止年月2015年9月至2016年5月论文提交日期2016年5月论文答辩日期2016年5月学位授予日期2016年6

2、月校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同

3、意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不宜公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：日期：日期：基于推荐权重和动态可靠近邻的协同过滤算法中文摘要本文先是讨论了推荐系统的兴

4、起的背景以及意义，进而详细介绍了推荐系统的结构以及逻辑模块，并对现有的各种推荐技术的特点进行了讨论和对比。并针对推荐系统中常见的问题，提出了几点改进思想，并设计实验进行验证，主要工作如下：1）传统的协同过滤基于K近邻算法。然而，为了满足数量上的要求，K个近邻中也会存在一些与目标对象相似度不高的个体,这将直接影响到推荐精度。因此我们需要定义两个相似度的阈值以选取质量比较高的近邻。一个用于用户间相似度计算的阈值,另一个用于产品间相似度计算的阈值。当一个对象和目标对象之间的相似度大于这个阈值，才会被选作为邻居。2）皮尔森相似性

5、系数的计算方法是存在弊端的，当两组对象的交集很小的时候，采用皮尔森相似度计算方法计算出来的相似度会有很大误差,因此我们在对相似度进行排序的过程中，提出一种推荐权重的概念，两个项目交集越多，则两者之间的推荐权重越高，排序也就越靠前，越具有推荐能力。3）针对项目和用户的两组动态近邻，我们通过设定一个交集阈值s,当某个对象与目标对象的交集小于这个阈值时，则认为这时的相似度计算是不可靠的。通过分别计算两组近邻中不可靠对象所占的比例并进行比较，舍弃不可靠对象所占比例高的一组邻居，从而选择更加可靠的另一组邻居参与预测评分。4）将本文

6、提出的三种改进算法应用在MovieLens数据集中以检验算法的实用性。关键词：协同过滤，推荐权重，动态可靠近邻IACollaborativeFilteringAlgorithmBasedonRecommendationWeightandDynamicReliableNeighborsAbstractThispaperfirstdiscussesthebackgroundandsignificanceoftherecommendationsystem,andintroducesthethestructureandlogic

7、moduleofrecommendationsystem,thencomparesthecharacteristicsoftheseveralpopularrecommendedtechniques.Tosovlethecommonproblemsofrecommendationsystem,weputforwardsomeimprovementideas,anddesignsomeexperimentstoverifythealgorithm.Ourmainworkisasfollows:1)Thetraditiona

8、lcollaborativefilteringalgorithmisbasedonK-nearestneighbors.However,inordertomeettherequirementsonthenumber,Knearestneighborswillalsoselectsomeitemswithlowsimi