融合多源信息的推荐算法研究.pdf

《融合多源信息的推荐算法研究.pdf》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、－．，‘ｖ．？．＾－．／．？．靖＇‘，隸心‘．ｓ＂，乃：：错令．－：＇於ｃ髮乃巧＼々人．＼考＾悼．％；－ｗ．、＇，．‘．．讓）．ｒ、：；Ｖ：．－ｖ＇亥－Ｖ减＠癸＇．、雙．－、Ｖ．＇ｖ、＇＇：太矣Ｋ。誇＇．．蔡－，．ｖ沒六．．弯．．；，．＾己ｋ．；＼曼受．ｙ．婪繫．‘囊亩、．立Ｃ：一惡．‘．＇巧．．读Ｖ盛‘近：＼ＫＶ氧按赛＾達中；巧：Ｖ窗．．，．．兴．，．養＼，韦種．．，％兮．一；赏巧究＾毕论文：、：Ｖ．．讀Ｃ谨儀、；耗；：早ｖ＇／Ｃ申博Ｎ３；‘，聲；妓’＾起．．．．－ｖ．夸．／＇＇．．，、．．．＾．．．；簽．養．

2、罗．．墳‘是去．Ｖ，＃：＾爹．巧１権．邁萬多．；／’－謗，；＼乂皆．義、：．’＂；．．蠢－游．．迦．舊玻＇纪。堵．ｖ．．．爸灣Ｈ麗詩專把議：＃謬｛」＇沪片卸．施题立＇岭多荐和細Ｉｖ許，：幸．ｙ皆，一｜，這．．‘．蘇－叫人．．．－．．姓讀．＾作者Ｈ，ｔ‘啄’窜Ｖ＿＼＼．．黃学和业技术与．古：Ｍ人ｖ－＞．．，＾．．菩．／＾教．、ｒｒ授盆感．－ｆ笑菊‘．；讀＊．，．ｖ户、．一夺－‘＞；．脊．与４究亦韻．議掠＼ＶＭ．－，一：＾－：心錢軒叫。－切皆．．．／．．．．；＜＇：＇＇；沪户＇巧ｃ；ｔ

3、接熱叛＇＾Ｖ、鮮＾＇把垂女脊ｆｉｆ１乃ｖ讓／Ｖ．，；，．＼：节ｆＶ每．１驚；卢．４苗／＾，，可．－邊彌ｕ：－．’｜ｅ：．与、，。；户－、峡．巧－；磅．＇／＇琴一．－＇＇鼓．敎学号：ＤＧ１０３３０２５论文答辩日期：２０１７年１月２１曰指导教师：（签字）ＲｅｓｅａｒｃｈｏｎＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｏｒｉｔｈｍｓｇｖｉａＩｎｃｏｒｐｏｒａｔｉｎＳｉｄｅＩｎｆｏｒｍａｔｉｏｎｇｂｙＹｏｎｈｏｎＹｕｇｇＤｉｒｅｃｔｅｄｂｙＰｒｏｆ．ＹａｎＧａｏｇＤｅ

4、ａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｐＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙＪａｎ２１７．０ＳｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｕｌｌｍｅｎｔｏｔｈｅｒｅｕｉｒｅｍｅｎｔｓｐｆｆｉｆｑｏｒｔｈｅｄｅｒｅｅｏＰｈＤｉｎＣｏｍｕｔｅｒｉｆｇｆＳｃｅｎｃｅｐ南京大学研究生毕业论文中文摘要首页用纸毕业论文题目：融合多源信息的推荐算法研究计算机应用技术专业２０１０纹博去生姓名：余永红指导教リ币（姓名、马只称）：局阳教授摘要随着互联网相关技术的

5、不断发展，从海量数据中找到有价值的信息变得越来越困难，即用户面临严重的信息过载问题。推荐算法通过分析用户的历史活动数据，挖掘用户的隐藏偏好，成，为用户提供个性化的推荐服务为解决信息过载问题的有效手段，近年来受到学术界和工业界的广泛关注。在实际应用中，，如数据稀疏、可扩展性推荐算法面临各种挑战、冷启动、准确性、可解释性等。针对这些挑战，国内外的研究人员提出了大量的解决方案，。然而仅仅利用用户的活动记录信息不能从本质解决推荐系统中存在的固有问题，，。近年来多种类型的多源信息越来越丰富如项目属性信息、社交网络信息、地理位置信

6、息和用户评论信息等。可用的多源信息是用户历史活动记录的有益补充Ｉ为解决推荐系统中信息缺乏问题带来契机。同时，如何在推荐，解决推荐系统存在的问题，系统中融合多源信息，提升推荐算法的性能成为推荐系统领域重要的研究问题。在本文中，我们主要针对推荐系统中数据稀疏，在现有工作的基础上，结合协同过滤、可扩展性、冷启动和准确性等问题推荐算法，、基于社交网络推荐算法和兴趣点推荐算法等领域的现有成果研究融合多源信息的推荐算法：。本文的主要工作和贡献如下１．基于项目属性锅合的矩阵分解推荐算法一现有些基于矩阵分解的推荐算法仅关注用户端的冷启

7、动问题，而忽视项目端的冷启动问题，。并且缺乏有效的度量方式计算由类别型数据所描述的项目之间的相似度。为了解决上问题，本文提出基于属性稱合的矩阵分解推荐算法，。在矩阵分解模型中集成项目的属性信息来改进推荐算法的性能，减轻项目端的冷启动问题，。利用属性信息构建正则化项约束矩阵分解学习隐特征向量，使得属性信息相似的项目，它们的隐特征向量尽可能相似。在构建包含属性信息的正则化项时，利用稱合对象相似度计算项目之间的相似度。实验结，果表明，基于属性親合的矩阵分解推荐算法性能优于目前主流的推荐算法能有效减捏项目端的冷启动问题。２

8、．融合用户社会地位和矩阵分解的推荐算法ｉ随着社交网络的出现，越来越多的推荐系统利用社交网络中用户之间