基于谱聚类的个性化推荐系统研究

《基于谱聚类的个性化推荐系统研究》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、ｍ．：Ｊ￥１０３８９分类号：：单位代码＾扭１１３１１５３００５密级：：学号福建农林大学硕去学位论文．基于谱聚类的个性化推荐系统研究，馬分．．、．、■＞：．■．．夸：．＜杂中学科口类：经济学到＾—．？．一＼级学科名称：应用经济学：妒，ｊ＇二级学科名称：统计学１ｄ研究方向：统计信息技术与数据挖掘：養研究生姓省：林竣香一指导教师：钟文教授／．：—亂．、．養々点．ｊ’二〇—完成时间：六年四月：＾．，就

2、｝－｝■Ｖ４分类号１０３８９：单位代码；密级：１１３１１５３００５：学号福建农林大学硕壬学位论文基于谱聚类的个性化推荐系统研究学科口类：经济学一级学科名称：应用经济学二级学科名称：统计学研究方向：统计信息技术与数据挖掘研究生姓秦：林珍香一指导教师：钟文教授二〇—完成时间：六年四月＊，ｌｌｉｅＴｈｅｓｉｓｏｆＦＡＦＵｓＭａｓｔｅｒＳｔｕｄｅｎｔＴｈｅＲｅｓｅａｒｃｈｏｆＰｅｒｓｏｎａｌｉｚｅｄＲｅｃｏｍｍｅｎｄｅｒＳｙ

3、ｓｔｅｍＢａｓｅｄｏｎＳｐｅｃｔｒａｌｃｌｕｓｔｅｒｉｎｇＤｅｇｒｅｅｃａｔｅｇｏｒｙｉＥｃｏｎｏｍｉｃｓＴｈｅｎａｍｅｏｆｄｉｓｃｉｌｉｎｅ：ＡｌｉｅｄＥｃｏｎｏｍｉｃｓｐｐｐＴｈｅｎａｍｅｏｆｍａｏｒ：ＳｔａｔｉｓｔｉｃｓｊＲｅｓｅａｒｃｈｆｉｅｌｄ：ＳｔａｔｉｓｔｉｃａｌｉｎｆｏｒｍａｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｎｄｄａｔａｍｉｎｉｎｇＳｔｕｄｅ打ｔｎａｍｅ：ＺｈｅｎｘｉａｎＬｉ打ｇＳｕｐｅｒｖｉｓｏｒｉＰｒｏｆ．ＹｉｗｅｎＺｈ

4、ｏｎｇＳｕｂｍｉｔｔｅｄｔｉｍｅ：Ａｒｉｌ２０１６ｐＦｕｉａｎＡｒｉｃｕｌｔｕｒｅａｎｄＦｏｒｅｓｔｒＵｎｉｖ巧ｓｉｔＦＡＦＵｊｇｙｙ（）独创性声明（本人声明，所呈交的学位毕业）论文，是本人在指导教师的指导下独立完成的研究成果，，并且是自己撰写的。尽我所知除了文中作了标注和致谢中己作一了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果。与我同对本研究做出贡献的同志，都在论文中作了明确的说明并表示了谢意，如被查有侵犯他人知识产权的行为，由本人承担应有的责任。

5、学位《‘（毕业）论文作者亲笔签名；曰期；少论文使用授权的说明本人完全了解福建农林大学有关保留、使用学位（毕业）论文的规定，即学校有权送交论文的复印件，允许论文被查阅和借阅；学校可Ｗ公布论文的全部或部分内容，可Ｗ采用影印、缩印或其他复制手段保存论文。，在年后解密可适用本授权书保密。□，本论文属于不保密不保密。过学位（毕业）论文作者亲笔签名：日期指导教师亲笔签名：＾日期：目录摘要ＩＡｂｓｔｒａｃｔＩＩ一第章绪论１１．１个性化推荐系统的研究背景１

6、１２２．个性化推荐系统国内外研究现状１．３推荐系统面临的主要问题和拂战４１．３．１稀疏性问题：４１．３．２可扩展性问题４１．３．３冷肩动问题４１３．４群体推荐问题４１．３．５其他问题５１．４本文研究内容与研巧璋义５１．５本文结构安排６第二章推荐算法研究介绍８２．１推荐算法分类方式及相关符号说明８２．２基于内容的推荐算法８２．３基于协同过滤的推荐算法１０２．３．１基于用户的协同过滤算法１１２．３．２基于项目的协同过

7、滤算法１３２．３．３基于用户与项目的协同过滤算法比较１４２１４．４基于聚类的协同过滤算法２－．４．１Ｋｍｅａｎｓ聚类算法１６－２．４．２Ｋｍｅａｎｓ聚类算法改进１８２．４．３基于项目聚类的协同过滤算法１８２．４．４基于用户聚类的协同过滤推荐算法２０２．４．５基于用户和项目双聚类的协同过滤推荐算法２０２．５基于矩阵分解的推荐算法２０２．６基于图模型的推荐算法２１２．７组合推荐算法２１２．８本章小结２１第Ｈ章基于谱聚类的协同过滤推荐算法

8、２３３．１谱聚类算法２３３丄１谱聚类研究现状２３３丄２谱聚类基本思想２４３．２加权核模糊聚类算法２６３．２．１核模糊聚类算法思想２６３２８．２．２加权核模糊聚类算法思想、３选择算法３０．３初始质屯３．４两种改进的相似性度量３０３．５基３１于用户特征属性谱聚类３５１３１．．用户职业分类３．５．２用户特征属性预处理３