推荐系统的协同过滤算法与应用研究

《推荐系统的协同过滤算法与应用研究》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、大连理工大学博士学位论文推荐系统的协同过滤算法与应用研究姓名：郭艳红申请学位级别：博士专业：管理科学与工程指导教师：邓贵仕20080606推荇系统的协同过滤算法与应．}}j研究协同过滤算法以及没有任何约束条件的混合推荐算法。4、提出了把信任引入协同过滤推荐系统的构想，构建了一种基于信任的协同过滤推荐算法，在对信任进行了形式化的定义和描述的基础上，构造了协同过滤推荐系统中的两种信任模型——局部信任(10caltrust)和全局信任(globaltrust)，并分别指出两种信任的区别，确定了各自的影响因素，通过这两种可计算的信任

2、模型町以对系统巾的用户的信任程度进行不同范围内的度量：进而，提出了一种基于信任因子的协同过滤推荐算法，并通过实验验证了算法的有效性和优越性。最后的实验同样分析了两种信任的分布特性，通过与相似度的分布的对比，可以得出结论：在推荐系统中对用户信任的研究是有意义的，信任是同相似度小同的对最后的推荐产生影响的霞要因素之一。5、构建了基于事例推理(CBR)的推荐系统框架模型。对基于事例的推理和协同过滤的推荐过程进行了比较，指出异同，进而把基于事例的推理的过程与推荐系统相结合，应用基于事例的推理过程更好地更新用户的档案，跟踪用户的兴趣变

3、化，提高系统的学习能力。在框架模型中，本文对推荐系统的各部分作了充分的总结和说明，为今后的进一步理论和实践研究奠定基础，同时实现了一个以电影推荐为例的电影推荐系统。通过上述的研究工作，从一定程度上解决了推荐系统的协同过滤算法所遇到的稀疏性问题、冷启动问题、信任问题，从f酊从一定程度上推动协同过滤算法的理论研究和应用研究的进展。关键词：稀疏性；冷启动；信任；基于事例的推理大连理工大学博士学位论文OnCollaborativeFilteringAlgorithmandApplicationsofRecommenderSystem

4、sAbstractWiththefastdevelopmentofIntemetandapplicationsofE。Commerce．moreandmoreinformationswirlesinthenet．Togettherightinformationfromtheinformationseahasbecomeoneofthekeyissuesnowadaysfortheresearchers，expertsandtheInternetusers．PersonalizedRecommenderSystemsemerg

5、eunderthebackgroundofthis，whichbecomestheresearchfocusinthedomesticandoverseas．Collaborativefilteringalgorithmisthemostkeytechnologyinthepersonalizedrecommendersystems，whichhasgotthemostSuccessandwildapplications．Thisdissertationtakescollaborativefilteringalgorithm

6、ofpersonalizedrecommendersystemastheresearchprojecttOdealwiththesparsityproblem，coldstartproblemandtrustproblem，etc．Researchworkaretakenasfollowing：(1)Reviewtheresearchdevelopmentofpersonalizedrecommendersystemanddiscusstheconceptofpersonalfromtheangleofrecognizati

7、onandphsycologytogivesomeadvicefortheconfigurationofpersonalizedrecommendersystems；giveageneralanalysisofrecommendertechnologiesandindicatetheirindividualcharactersandapplicationfields；analyzethesystemconstructureandmodulestogivesomeinstructionsforapplications；atla

8、st，giveadivisionofthecollaborativefilteringandindicatetheirchallengesforresearchwork．(2)Putforwardanimprovedcollaborativefilteringalgorithmsbased