基于粗糙集和协同过滤的上下文感知推荐方法研究

基于粗糙集和协同过滤的上下文感知推荐方法研究

ID:35068920

大小:2.31 MB

页数:60页

时间:2019-03-17

基于粗糙集和协同过滤的上下文感知推荐方法研究_第1页
基于粗糙集和协同过滤的上下文感知推荐方法研究_第2页
基于粗糙集和协同过滤的上下文感知推荐方法研究_第3页
基于粗糙集和协同过滤的上下文感知推荐方法研究_第4页
基于粗糙集和协同过滤的上下文感知推荐方法研究_第5页
资源描述:

《基于粗糙集和协同过滤的上下文感知推荐方法研究》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、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:基于粗糙集和协同过滤的上下文感知推荐方法研究论文作者:董涛学科:计算机科学与技术指导教师:何明副教授论文提交日期:2016年6月24日UDC:004学校代码:10005中文图书分类号:TP391学号:S201307025密级:公开北京工业大学工学硕士学位论文题目:基于粗糙集和协同过滤的上下文感知推荐方法研究英文题目:RESEARCHOFCONTEXT-AWARERECOMMENDATIONBASEDON

2、ROUGHSETTHEORYANDCOLLABORATIVEFILTERING论文作者:董涛领域:计算机科学与技术研究方向:数据挖掘申请学位:工学硕士指导教师:何明副教授所在单位:计算机学院答辩日期:2016年6月授予学位单位: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论文中作了

3、明确的说明并表示了谢意。签名:董涛日期:2016年6月24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:董涛日期:2016年6月24日导师签名:何明日期:2016年6月24日摘要摘要随着近几年互联网与信息技术的发展,互联网的规模得到了巨大的提升,它向用户提供的信息也正在急剧增加,我们正在面对一个“大数据”的时代。在这海量的数据中,如

4、何获取最为符合个人需求的资源,是一个相当突出的问题。现有的传统搜索引擎与门户站点,能够在一定程度上缓解这一问题,然而它们仍不能完全满足人们的要求。当下,推荐系统作为解决海量数据给人们带来的这一“信息过载”问题的有效方案,得到了学术与工业界的广泛关注,在实际应用中也已经取得了大量成果。上下文信息对推荐系统具有重要的作用,上下文感知推荐系统把上下文信息加入推荐过程中,从而在保留了“普适计算”的特点的同时,获得了“个性化”的优势,与传统推荐系统相比之下具有更高的推荐精确度和用户满意度,其研究意义与实用价值相当高。在现有的上下文感知推荐系统

5、中,不同的上下文维度对推荐结果的影响通常被认为是拥有相同的权重;然而,在实际应用中,不同的上下文维度(如位置、同伴、时间等)对用户的价值往往大不相同。如何计算这些上下文对推荐结果的影响程度,并把这些影响加入到推荐结果的计算过程中,以提高推荐系统的预测精度和推荐质量,是一个非常有价值的研究课题。针对这一问题,本文完成的工作如下:(1)对上下文感知推荐系统进行了研究,比较了它与传统推荐系统的异同,并分析了上下文感知推荐的整个流程。(2)根据粗糙集理论的重要度定义,提出了一种上下文维度的约简算法。通过计算上下文属性的重要度,约简对推荐结果

6、没有影响的上下文维度,从而提高推荐精度和效率。(3)将约简后的上下文信息加入到协同过滤的推荐算法中,设计了基于粗糙集的上下文感知推荐算法,构建了包含上下文信息的用户相似度计算方式,并根据用户之间的相似度实现了上下文感知协同过滤推荐。(4)对比了基于粗糙集的上下文感知推荐算法与现有的上下文感知推荐算法,并进行了仿真对比实验。实验结果证明,基于粗糙集的上下文感知推荐算法对提升推荐系统的推荐精度具有显著的效果,是一种有效的算法。关键词:上下文感知推荐系统;协同过滤;粗糙集理论;上下文维度约简-I-AbstractAbstractWitht

7、hedevelopmentofMobileInternet,InternetofThings,UbiquitousComputingandE-commerce,theboundaryofInternetisgreatlyexpanded,andweareenteringanageof‘bigdata’.Howtogettheresourcesthatmostlyfitone’sneedsfromamongthevastamountofdata,thisisaveryprominentproblem.Existingtradition

8、alsearchenginesandportalsiteshavealleviatedthisproblemtosomeextent,buttheystillcannotfullymeettherequirementsofallpeo

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。