基于最近邻信息的协同过滤推荐机制

基于最近邻信息的协同过滤推荐机制

ID:37023535

大小:1.43 MB

页数:63页

时间:2019-05-17

基于最近邻信息的协同过滤推荐机制_第1页
基于最近邻信息的协同过滤推荐机制_第2页
基于最近邻信息的协同过滤推荐机制_第3页
基于最近邻信息的协同过滤推荐机制_第4页
基于最近邻信息的协同过滤推荐机制_第5页
资源描述:

《基于最近邻信息的协同过滤推荐机制》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、基于最近邻信息的协同过滤推荐机制ResearchonCollaborativeFilteringRecommendationTechnologyBasedonNearestNeighborInformation学科专业:信息与通信工程作者姓名:张子洋指导教师:金志刚教授天津大学电气自动化与信息工程学院二零一七年十一月摘要在互联网飞速发展的时代,信息过载问题越来越严重,这此背景下,个性化推荐技术逐步发展起来。个性化推荐系统通过收集并分析用户历史行为信息,可以解决传统搜索引擎无法提供个性化服务的问题,也方便供应商把商品呈现给用户,实现用户和供应商双赢。本文介

2、绍了个性化推荐以及其中被广泛应用的协同过滤推荐技术的研究现状与关键技术,重点分析了主流算法框架与存在的问题。为解决最近邻居选取精度低、数据稀疏情况下推荐准确度不高等问题,本文在传统协同过滤算法的基础上,建立了最近邻居优化选取方法,其中包括两个关键的模型:(1)可用度计算模型:基于传统相似度计算方法,考虑用户相似度的不对称性和推荐可用性,保证最近邻居的推荐能力;(2)动态信任度计算模型:基于传统信任度技术模型Beta信任模型,考虑用户对不同项目的偏好一致性,增加时间窗口和遗忘因子,更进一步地保证最近邻居与目标用户在不同时间段的偏好持续一致。实验证实,本文提

3、出的基于最近邻居优化选取的协同过滤推荐算法,较三组对照方法(CF、DNC-CF、ML-CF)分别降低了相应MAE值以及RMSE值,有效地提高了推荐准确度。同时,在不同稀疏度下,能够保持较好的稳定性以及推荐准确度,推荐效果均优于对照方法。关键词:个性化推荐,协同过滤,最近邻居,可用度,动态信任度IABSTRACTWiththedevelopmentoftheInternet,informationoverloadproblemisincreasinglyserious,personalizedrecommendationtechnologyemergesa

4、sthetimesrequire.Collaborativefilteringhasbecomeoneofthemostwidelyusedmethodsforprovidingrecommendationsinvariousonlineenvironments.Itsrecommendationaccuracyhighlyreliesontheselectionofappropriateneighborsforthetargetuser/item.However,existingneighborselectionschemeshavesomeinevi

5、tableinadequacies,suchasneglectingusers’capabilityofprovidingtrustworthyrecommendations,andignoringusers’preferencechangesovertime.Suchinadequaciesmayleadtodropoftherecommendationaccuracy,especiallywhenrecommendersystemsarefacingthedatasparsenessissuecausedbythedramaticincreaseof

6、usersanditems.Toimprovetherecommendationaccuracy,weproposeanoveltwo-layerneighborselectionschemethattakesusers’capabilityandtrustworthinessintoaccount.Inparticular,theproposedschemeconsistsoftwomodules:(1)capabilitymodulethatselectsthefirstlayerneighborsbasedontheircapabilityofpr

7、ovidingrecommendationsand(2)atrustmodulethatfurtheridentifiesthesecondlayerneighborsbasedontheirdynamictrustworthinessonrecommendationsovertime.Theperformanceoftheproposedschemeisvalidatedthroughexperimentsonrealuserdatasets.Comparedtothreeexistingneighborselectionschemes,theprop

8、osedschemeoutperformtheCF,DNC-CFandML-CF

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。