基于热传导和物质扩散的混合推荐研究

《基于热传导和物质扩散的混合推荐研究》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、基于热传导和物质扩散的混合推荐研究重庆大学硕士学位论文（学术学位）学生姓名：杨卫芳指导教师：李学明教授专业：计算机系统结构学科门类：工学重庆大学计算机学院二O一六年四月HybridRecommendationMethodBasedonHeatConductionandMassDiffusionAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByYangWeifangSupervisedbyProf.LiXuemingSpeci

2、alty：ComputerSystemArchitectureCollegeofComputerScienceofChongqingUniversity,Chongqing,ChinaApril2016重庆大学硕士学位论文中文摘要摘要随着互联网大规模的普及、信息时代的高速发展，网络数据量呈爆炸式增长趋势，产生信息过载问题。如何从海量数据中快速获取自己真正想要的信息一直是个研究热点。目前，推荐系统是解决该问题的最好方法。推荐算法是推荐系统的核心，其中基于网络的推荐算法是本文的重点。它的基本思想是：将用户和对象抽象为节点，忽略目标用户和推荐对象的基本特征，只考虑二者之间是否存在选择与被选择的

3、关系，然后通过计算这种关系建立推荐模型对用户进行推荐。本文的主要内容是在现有研究的基础上，针对基于网络的热传导和物质扩散推荐算法的研究。本文首先对推荐系统的定义、一般模型、要素及目前的研究现状进行了综述，并详细介绍了主流推荐算法的基本思想和流程。然后对热传导和物质扩散推荐算法进行了深入研究，并分析了二者的优缺点。热传导推荐算法多样性好、准确性低，而物质扩散推荐算法准确性好、多样性低。针对该问题，本文提出了如下两种改进型混合算法：①基于交叉混合策略的FHTM算法。为了突出用户在整个推荐过程中的影响，该算法的两次资源传递均按照用户的度进行重新分配。实验结果表明，该方法与热传导算法相比，准确性

4、有了大幅度的提高，而多样性略微下降；与物质扩散算法相比，准确性和多样性都几乎一致。②针对热传导、物质扩散和FHTM算法存在的问题，本文继续提出了一个新的基于热传导和物质扩散的混合推荐算法HMW。该方法主要是在现有研究成果的基础上，通过引入用户活跃度，调节用户在整个推荐过程中的影响，进而进行个性化的推荐。最后，本文采用标准数据集MovieLens和Netflix，从精确率、召回率、排序准确性、多样性方面对本文提出的算法HMW与改进前的混合算法HHM进行了详细的对比实验和分析。实验表明，在准确性和多样性方面，本文方法HMW均优于改进前的HHM算法。关键词：热传导，物质扩散，用户活跃度，混合推

5、荐I重庆大学硕士学位论文英文摘要ABSTRACTWiththelarge-scalepopularizationoftheInternetandtherapiddevelopmentoftheinformationage,theamountofnetworkdatashowsanexplosivegrowthtrend,resultingintheproblemofinformationoverload.Howtogettheinformationfasttheyreallywantfromthemassivedatahasbeenahotresearchtopic.Currently,

6、therecommendersystemisthebestwaytosolvetheproblem.Recommendationalgorithmsarethecoreoftherecommendersystems,inwhichthenetwork-basedrecommendationalgorithmisthefocusofthispaper.Thebasicideais:abstractusersandobjectsasnodes,ignorethebasiccharacteristicsofthetargetusersandtherecommendationobjects,co

7、nsideringonlywhetherthereisarelationshipbetweenthem,andthencreatetherecommendationmodeltorecommendforusersbycalculatingtherelationship.Themaincontentofthispaperisbasedontheexistingresearch,studiesthenetwork-basedrecomm