一种轻量级协同过滤推荐系统研究

《一种轻量级协同过滤推荐系统研究》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、ＷｕｈａｎＩｎｓｔｉｔｕｔｅＯｆＴｅｃｈｎｏｌｏｇｙ硕士学位论文一种轻量级协同过滤推荐系统研究学科专业：技术经济及管理研究生：秦诗寒指导教师：余小鹏副教授培养单位：管理学院二〇一七年三月分类号：C931.6学校代号：10490学号：201408014密级：公开硕士学位论文一种轻量级协同过滤推荐系统研究作者姓名：秦诗寒指导教师姓名、职称：余小鹏、副教授申请学位类别：管理学硕士管理学科专业名称：技术经济及管理研究方向：电子商务论文提交日期：年月日论文答辩日期：年月日学位授予单位：武汉工程大

2、学学位授予日期：年月日答辩委员会主席：ResearchonaLightweightCollaborativeFilteringRecommendationSystemAThesisSubmittedfortheDegreeofMasterMajor：TechnologyEconomyandManagementCandidate：QinShihanSupervisor：A/Prof.YuXiaopengWuhanInstituteofTechnologyWuhan,Hubei430073,P.R.China独创性声明本人声明所呈

3、交的学位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，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：20年月日学位论文版权使用授权书本学位论文作者完全了解我校有关保留、使用学位论文的规定，即：我校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅。本人授权武汉工程大学研究生处可以将本学位论文的全部或部分内容编入有关数据库进行检索，

4、可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密Ο，在年解密后适用本授权书。本论文属于不保密Ο。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：20年月日20年月日摘要个性化推荐作为信息识别和过滤的重要手段，长期以来受到国内外学者、研究机构的重视。2015年3月5日全国人大制定了“互联网+”计划，该计划强调传统企业与互联网的深度融合，以改造传统企业，实现传统企业的转型升级。该计划的制定将促进传统行业进入电子商务领域，形成各类细分的专业电商生态；专业电商生态的成长、成熟过程势必导致商品种类日益增多，从而使消

5、费者置身于产品信息过剩的海洋，而如何在海量信息中提升挖掘用户兴趣的个性化程度以为其提供精准推荐，成为提升用户满意度和电商服务水平的突破口，因此个性化推荐服务的重要性日益突出。目前，在个性化推荐系统的研究中，协同过滤推荐系统依靠其推荐的新颖性和准确性受到了研究人员的广泛关注。但是，随着大数据时代的到来以及用户兴趣的长尾化发展，协同过滤推荐也逐渐表现出“超高维”、“冷启动”等问题，导致推荐系统的性能不佳。基于协同过滤推荐中出现的问题，本文开展了轻量级协同过滤推荐系统的研究，该研究首先分析了当前国内外协同过滤推荐的研究现状，并对协同

6、过滤推荐的核心理论和技术进行了分析；随后以隐式行为为基础确立了有效预测用户兴趣的关键隐式指示器，从而在有效避免“冷启动”问题的过程中提升用户兴趣评分的轻便性；最后，基于关键隐式指示器构建权重形成用户隐式评分，并依据用户隐式评分确立偏好属性，以偏好属性计算项目效用水平从而产生轻量化的推荐，以避免项目属性维度过大引起的“超高维”现象给系统造成过重计算负担。本文的具体研究如下：第一章为绪论，主要阐述了开展本文研究的总体背景及研究意义，并梳理了国内外学者在隐式指示器及协同过滤推荐系统研究方面的成果以掌握当前国内外推荐系统研究的整体脉络

7、和方向，最后对本文的研究内容和可能的创新点进行了分析。第二章为协同过滤推荐概述，该章旨在深入分析用户浏览行为数据的类型及特点，并就协同过滤推荐的核心理论和技术进行阐述，以期为后续的研究提供理论支撑和技术支撑。第三章旨在确立面向用户兴趣的关键隐式指示器，该章首先对隐式行为进行分析以厘清隐式指示器的类别，并就隐式数据的获取和预处理方式进行了阐述，最后结合统计分析方法对各类隐式指示器在预测用户兴趣上的有效性进行了研究，从而确立了用户浏览行为中的关键隐式指示器。第四章旨在构建轻量级协同I过滤推荐系统LW-CF，该章首先构建算法确立了关

8、键隐式指示器在用户兴趣中的权重，并采用线性回归模型形成了综合隐式评分，随后基于综合隐式评分设计算法确立用户的偏好属性及其效用水平，并基于效用水平构建属性效用模型，从而改进协同过滤推荐系统以形成LW-CF，最后采用对比分析对LW-CF的推荐准确性进行了分析。第五章为结论与展望，