长尾信息的个性化推荐中的特征选择优化算法

《长尾信息的个性化推荐中的特征选择优化算法》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、学校代码：１０００４密级：公开如！交批攀ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕±学位论文爆长尾信息的个性化推荐中的特征选择优化算法；作者姓名了志东Ｓ学科专业通信与信息系统＾指导教师毕红军副教授１Ｉｆ，培养院系电子信息工程学院１．－占．巧ｐ＊，可巧１公棵巧私强ｔｆＫｖｒ．．ｉａ戶．ｆ１葡巧ｓｒ．巧■？巧通ｆｆｆ系交適乂攀硕±学位论文长尾信息的个性化推荐中的特征选择优化算法ＴｈｅＡｌｇｏｒｉｔｈｍｔｏＩｍｐ

2、ｒｏｖｅＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎｉｎＰｅｒｓｏｎａｌＲｅｃｏｍｍｅｎｄｅｒＳｓ化ｍｓｆｏｒＩ化ｍｓｉ打化ｅＴａｉｌｏｆ化ｅＬｏｎｇＴａｉｌＴｈｅｏｒｙｙ作者：了志东导师：毕红军北京交通大学２０１６年４月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编｜＾供査阅和借阅。同意学校向国家有关部口或机构送交论文

3、的复印件和磁盘。学校可为存在馆际合作关系的兄弟髙校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）：＾东导师签名学位论文作者签名Ｔ志：私签字曰期：王０１６年斗月／斗曰签字曰期：《年４月作曰学校代码：１０００４密级：公开北京交通大学硕±学位论文Ｉ长尾信息的个性化推荐中的特征选择优化算法ＴｈｅＡｌｏｒｉｔｈｍ化ＩｍｒｏｖｅＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎｉｎＰｅｒｓｏｎａｌｉｚｅｄｇｐ民ｅｃｏｍｍｅ打ｄｅｒＳｙｓｔｅｍｓｆｏｒＩｔｅｍｓｉ打ｔｈｅ

4、ＴａｉｌｏｆｔｈｅＬｏｎｇＴａｉｌＴｈｅｏｒｙ作者姓名：了志东学号：１３１２００５９导师姓名；毕红军职称：副教授学位类别－丄＇：工学学位级别；硕学科专业：通信与信息系统研究方向：计算机网北京交通大学２０１６年４月ｉ致谢。时光飞逝，转瞬之间我己经来到了研究生学习生涯的终点在我的求学路上得到过许多人的帮助，有来自老师、同学的，也有来自家人、朋友的。在论文终一。稿么后，我要特别花些时间向这些帮助过我的人表达我由衷的感谢首先，感谢我的导师毕红军副教授，作为我的导师，他给了我许多

5、锻炼机会，。帮助我成长在学习上，他帮助我完成科研项目的研巧，对我发表的论文进行了悉屯、指导，这些使我获益匪浅。在生活中，他也给了我许多关也。我的研巧生求学生涯离不开他的这些指导与帮助。、然后，我要感谢对我论文写作过程中给予帮助的王宁伟李乃鹏同学；感谢一实验室里朝夕相处、共同奋斗的同学，；感谢我的舍友对我生活上的关如和起经历的所有快乐的日子；感谢我的朋友与我分担痛苦、分享快乐的温暖。最盾，我要特别感谢我的父母，是他们二十多年来的悉也培养和无微不至的、照顾支撑我完成学业。感谢我的姐姐，感谢她们时时刻刻都惦念关也着

6、我，替我。。解决了许多困难感谢我的妹妹，感谢她的照顾和关也感谢她们带给我的力量。北京交通大学硕±学位论文摘要摘要随着电子商务的快速发展，购物网站产生了海量的商品信息，这使得用户难于从中发现目标商品一问（特别是长尾目标商品）。个性化推荐系统是当前解决这题的有效方式，研究改菩推荐系统的性能具有巨大的经济价值。特征是从数据中提取的表征用户个性和偏好的量，如何选择髙质量６特征对改善推荐系统的性能＾有着十分重要的意义。当前推荐系统领域的研巧多＾中在算法和模型，对特征选择优化的研究关注较少。在此基础上提出了一

7、本文对单模型推荐系统和分类器融合策略进行了研究，一种优化特征选择的融合算法，和种可行的分类器融合方案。论文主要进行了下Ｈ方面的工作；对矩阵分解模型中的ＦｕｎｋＳＶＤ算法、逻辑回归算法（ＬｏｇｉｓｔｉｃＲｅｇｒｅｓｓｉｏｎ，（ＵＬＲ）和梯度迭代回归算法（ＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇＲｅｇｒｅｓｓｉｏｎＴｒｅｅ，ＧＢＲＴ）的原理和实现进行了研究。分析了Ｈ种算法的模型复杂度、训练效率、应用场景和优势与不足，论述了ＬＲ算法对特征的筛选原理，Ｗ及ＧＢＲＴ算法。的强分类能力，并对ＬＲ算法和ＧＢＲＴ算法的融合

8、潜力进行了论证一ＧＢＲＴ模型的口种基于逻辑回归和融合算法。算法引入了分维度的）提出了特征筛选，用Ｌ艮算法将特征区分为偏向于正样本和偏向于负样本两个维度；构建不同参数的ＬＲ