基于标签和可信邻域的协同过滤推荐算法研究

《基于标签和可信邻域的协同过滤推荐算法研究》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、分类号：TP311密级：公开UDC：004学号：406130913128南昌大学硕士研究生学位论文基于标签和可信邻域的协同过滤推荐算法研究ResearchonCollaborativeFilteringRecommendationAlgorithmsBasedonTagandTrustNeighborhood张华薇培养单位（院、系）：信息工程学院指导教师姓名、职称：李向军教授申请学位的学科门类：工学学科专业名称：计算机科学与技术论文答辩日期：2016年5月24日答辩委员会主席：评阅人：2016年5月24日摘要摘要目前，协同过滤推荐技术已在广告、电影、音乐等领域得到

2、广泛应用。然而，在不同的应用背景下，传统的协同过滤推荐算法在兴趣偏好模型、相似性度量方法、邻居选择规则等方面仍存在亟待进一步解决的问题。因此，本文面向广告推荐、电影推荐两个应用场景，引入标签技术和可信邻域思想，侧重研究了面向用户的协同过滤推荐算法。本文主要进行了以下研究工作：1、研究提出了一种带标签的协同过滤广告推荐算法ADR-CF_T（Advertisingrecommendationalgorithmbasedoncollaborativefilteringwithtag）。该算法在面向用户的协同过滤的广告推荐算法的基础上，引入标签推荐技术，通过建立Q-K-A

3、（Query-Keywords-AD）搜索广告兴趣模型，采用Query页加权综合相似度度量方法，对搜索广告的兴趣偏好进行完整描述，也保证了邻域计算的准确性。KDDCUP2012中track2数据集上的参数调节、可扩展性验证、推荐质量对比等实验结果表明，ADR-CF_T算法是有效可行的，在准确率、召回率、F度量值方面得到了有效改善。2、研究提出了一种基于可信邻域的协同过滤电影推荐算法FCFRA-TN（FilmCollaborativeFilteringRecommendationAlgorithmBasedonTrustNeighbor）。该算法通过增强相似度、动态

4、邻域选择方法、信任度计算模型来优化传统面向用户的协同过滤电影推荐算法，既对用户间的相似性正确地定义，也充分地过滤邻居用户集合。MovieLens数据集上的实验表明，FCFRA-TN算法在邻居选择策略和信任计算方面提出的优化是有效的，与其他相关推荐算法相比，具有更低的MAE值且推荐质量得到了显著提高。本文研究贡献：从兴趣偏好模型、相似度度量方法、相似度描述、邻居选择策略、可信度计算等方面对传统面向用户的协同过滤推荐算法进行优化，并应用于广告推荐和电影推荐场景。实验结果表明，优化所提出算法是有效可行的。关键词：协同过滤推荐算法；标签；可信邻域；兴趣偏好模型；邻居选择策

5、略IVAbstractABSTRACTInrecentyears,thecollaborativefilteringrecommendationtechnologyhasbeenwidelyusedinthefieldofadvertising,film,music,etc.However,indifferentapplicationbackground,therearestillproblemsneedtobefurthersolveforthetraditionalcollaborativefilteringrecommendationalgorithmint

6、erestpreferencemodel,similaritymeasure,neighborselectionrules,etc.Therefore,thispaperfacesadvertisingandmovierecommendationandimportstagtechnologyandtheideaoftrustneighbor,focusingoncollaborativefilteringrecommendationbasedonuser.Themainresearchworksofthethesisshowasfollows:1.Wepropos

7、edaAdvertisingrecommendationalgorithmbasedoncollaborativefilteringwithtag(ADR-CF_T).Thealgorithmintroducestagrecommendationtechnologyonthebasisofthecollaborativefilteringadvertisingrecommendationbasedonuser.ThroughconstructingsearchADinterestpreferencemodelcalledQ-K-A(Query-Keywords-A

8、D)and