基于加权偏差表的Slopeone改进算法研究

《基于加权偏差表的Slopeone改进算法研究》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、犀页：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，也不包含为获得云南大学或其他教育机构的学位或证明而使用过的材料。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明确的说明并表示了谢意。研究生签名：拟日期：论文使用和授权说明本人完全了解云南大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交学位论文和论文电子版；允许论文被查阅或借阅；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。

2、(保密的论文在解密后应遵循此规定)研究生签名．蜜哆一导师签名：本人及导师同意将学位论文提交至清华大学“中国学术期刊(光盘版)电子杂志社”进行电子和网络出版，并编入CNKI系列数据库，传播本学位论文的全部或部分内容，同意按《中国优秀博硕学位论文全文数据库出版章程》规定享受相关权益。研究生签名：导师签名：日期：摘要lIIIIIIIIIIIIIIIIIIIIUlllllllllllllIIIIIIl—Y2370672近些年来，随着互联网的迅猛发展，电子商务的业务也变得越来越繁荣。有很多音乐网站、电影网站或者是书籍网站如雨后春笋般蓬勃发展起来。但是对于每个音乐网站、电影网站和

3、书籍网站都包含太多的商品类别和商品信息，很多用户在很多时候都找不到用户所需要的商品的信息。近些年来提出了许多相关的推荐算法，使得网站对其商品的推荐更加的准确，使用户使用网站的效率更加的高。Slopeone算法就是在2005年提出的一种基于评分推荐算法。这种算法易于实现、可扩展性好并且能够使用较小的运算量达到其他复杂推荐算法相同的目的。但是Slopeone算法在进行推荐或者评分预测的过程中也有自己的局限性。例如，无法对数据的稀疏性进行很好的适应。在出现过多的空评分的时候，可能准确率会有所下降，导致评分预测的结果有所偏差，从而影响推荐的结果。这种偏差是可以通过数据的预处理

4、来进行改进的，本论文旨在找到一种方法来减小这种偏差。在改进这算法的时候，很多论文是进行了聚类分析，但是聚类分析往往要有人为设定的阈值，如聚类的个数，而这又带来了新的偏差。所以本论文希望可以从用户之间的相似度以及加权的思想来改进原有的Slopeone算法，用户相似度是用户与用户之间的相似程度，在此应该是合理的，而加权的思想可消除人为的干扰，这是加权方法本身自带的优点。通过这两点，希望在可以接受时间复杂度的条件下来得到相当的评分预测结果，或者是在牺牲一定的时间复杂度的情况下来得到更好的推荐结果。关键词：推荐算法：Slopeone算法：加权方法：AbstractInther

5、ecentyears，withtherapiddevelopmentoftheinternet，thenumberofe—commercebusinesswebsitesisbecominglargerandlarger．Therearemanymusicsites，moviesitesorbookwebsiteswhicharemushroomingdeveloping．Butforeachmusicsite，moviesiteorbookwebsite，therearetoomanycategoriesofgoodsandcommoditiesinformatio

6、n，manyuserscanhardlyfindusefulproductinformationthattheywant．Inrecentyears，manyrecommendationalgorithmsareputforwardtomakethewebsiterecommendgoodsmoreaccuratelyandimprovetheefficiencytoleadtheuserstousethesitemoreefficiently．TheSlopeonealgorithmisproposedin2005thatisbasedonratingsrecomm

7、endationalgorithm．Thisalgorithmiseasytoimplemented，havingabetterscalability,andbeabletouseasmalleramountofcomputationtoachievethesamepurposeasothercomplexrecommendationalgorithms．ButSlopeonealgorithmalsohasitsownlimitations，duringtherecommendedscorepredicting．Forexample，itcanno