面向社区划分的协同过滤算法研究

《面向社区划分的协同过滤算法研究》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、硕士学位论文面向社区划分的协同过滤算法研究ResearchonCollaborativeFilteringAlgorithmBasedonCommunityDivision作者：陈少达导师：夏士雄教授中国矿业大学二〇一六年五月中图分类号TP311学校代码10290UDC004密级公开中国矿业大学硕士学位论文面向社区划分的协同过滤算法研究ResearchonCollaborativeFilteringAlgorithmBasedonCommunityDivision作者陈少达导师夏士雄申请学位工学硕士培养单位计算机学院学科专业计算机应用

2、技术研究方向数据挖掘答辩委员会主席张永平评阅人二○一六年五月论文审阅认定书研究生在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢本论文在夏士雄教授、王志晓副教授的悉心指导下完成，没有这两位老师的指导和鼓励，论文不可能得以顺利完成。师从三载，收获颇丰，感触亦深。两位老师优秀的做人品质，严谨的治学态度，开拓创新的精神，高屋建瓴把握全局的能力

3、，忘我的工作精神潜移默化地影响着我，这是他们传授给我的最宝贵财富。在此，谨向这两位导师致以最崇高的敬意和最衷心的感谢。感谢已经毕业的陈昭彤、包伟伟等师兄师姐，感谢黄祥东、郝宁、李响、陈雄韬以及实验室的其他同学，谢谢你们在这三年的学习和生活中给予我的关心和帮助，带给我很多难以忘怀的美好记忆和快乐时光，能同你们在同一个实验室工作和学习，我深感荣幸。感谢赵亚、宋路杰、高源等舍友。我们一起笑过，一起面对困难。即将步入工作岗位，虽离别在即，天各一方，但我们的友谊不会因此中断。感谢所有同学在这三年中给予我的关心和帮助。感谢学校里帮助过我的所有好心

4、人。感谢我的父母一直以来对我无微不至的关怀和支持，包容我的不懂事，鼓励我，鞭策我，给予我心灵上的启迪。在此，我向我的家人和亲人致以最诚挚的谢意！最后，向论文评审专家致以诚挚的感谢，感谢你们在百忙之中抽出时间对论文进行评审。感谢各位答辩老师对本文进行答辩，谢谢你们！摘要协同过滤推荐技术是目前为止应用最为成功的一种个性化推荐技术。协同过滤主要依据用户对项目的评分计算用户相似度，构建用户兴趣模型，然后搜索用户近邻集，并以此为基础为用户预测打分，选取分数较高的项目推荐给用户。协同过滤推荐系统作为目前应用最广泛的推荐系统，能够依据用户的个人数据

5、主动的为用户提供推荐服务，且推荐项目范围广泛。但是现在仍然存在一些问题，如传统的协同过滤推荐系统相似度度量方法太过单一,导致预测结果不够准确；随着用户和项目数据的增加，庞大的用户群带来的数据稀疏性和搜索最近邻时算法的开销增大等问题。本文针对传统的协同过滤推荐系统中相似度计算方法存在的不准确现象，通过分析相似度计算过程中对最终结果产生影响的因素，提出了基于项目和时间的混合相似度计算方法，依据推荐项目不同，目标用户选择的最近邻也应该发生变化，且用户对于项目的评分会随着时间的增大而发生变化，基于这两个方面，对传统的相似度计算方法进行改进并给

6、出了改进的相似度计算方法。实验结果表明基于项目和时间的混合相似度计算方法能提高协同推荐系统的预测准确度。本文引入拓扑势理论，使用一种基于节点位置分析的社区发现算法。在协同过滤系统中，首先将用户表示成网络中的节点，并计算出每个节点的拓扑势值，借助拓扑势自然呈现的峰谷结构，依据节点位置的不同将具有相近兴趣的用户划分到同一个社区，并将其与协同过滤推荐算法结合，在搜索最近邻用户时，不再以所有用户为对象，而是以社区内的用户为对象，使搜索范围缩小数倍，预测评分更加准确。实验结果表明该方法有效降低了稀疏矩阵对预测准确度的影响，极大地提高了预测能力及

7、推荐效率。该论文有图24幅，表6个，参考文献90篇。关键词：协同推荐；相似度；最近邻；复杂网络；社区划分IAbstractCollaborativefilteringtechnologyisthemostsuccessfulinpersonalizedrecommendationbyfar.Itismainlybasedonuser-itemratingstocalculatethesimilaritybetweentwousersandpredicttheratesofusersbysearchingtheneighbors.Ast

8、hewidlyusedapplication,collaborativefilteringrecommendationcanrecommendforindividualsinitiativelyandrecommende