欢迎来到天天文库
浏览记录
ID:57743420
大小:2.59 MB
页数:82页
时间:2020-03-27
《协同过滤技术在个性化资源推荐中的应用研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、分类号UDC密级——单位代码!Q!三!协同过滤技术在个性化资源推荐中的应用研究杨叶坤指导教师汪青职称副教授学位授予单位大连海事大学申请学位级别硕士学科(专业)计算机科学与技术论文完成日期2011年5月答辩日期2011年7月答辩委员会主席ResearchonCollaborativeFilteringTechniqueintheApplicationofResources’PersonalizedRecommendationAthesisSubmittedtoDalianMaritimeUniversit
2、yInpartialfulfillmentoftherequirementsforthedegreeofMasterofEngineeringbyYangYekun(ComputerScienceandTechnology)ThesisSupervisor:AssociateProfessorWangQingJuly2011]大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,撰写成博/硕士学位论文==迹圃过选撞查查仝丝丝童逦蕉益虫的
3、廑旦硒塞∑。除论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名:斟学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定,即:大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学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、也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中,并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于:保密口在——年解密后适用本授权书。不保密口(请在以上方框内打“√”)论文作者签名:衫叶叫导师签名:多缈雨日期:>帕l『年易月≥9日中文摘要摘要随着电子商务的迅猛发展,网络资源信息也在不断地膨胀。人们在享受网
5、络提供方便的同时,也承受着众多资源信息同时呈现的压力。为了更有效的提高网络信息服务的质量,个性化推荐系统应运而生,协同过滤技术作为当前主流的推荐技术得到了人们广泛的关注与研究。但是,目前个性化推荐技术尚未成熟,仍然面临着一系列的挑战。本文对个性化推荐系统以及相关推荐技术进行了较深入的比较研究,针对协同过滤技术中存在的稀疏性和可扩展性问题,在分析了现有的改进方法基础上,提出了新的改进方案。为了降低评分数据集的稀疏性问题,采用SlopeOne方法进行数据填充。面对填充后的高维评分数据,引入了PCA—SOM技
6、术,通过PCA降维技术保证了评分数据的主要信息,再次进行SOM聚类缩小了最近邻的搜索范围。整个改进算法的过程采用离线模型进行,降低了在线推荐的时间复杂度,有效的改善了系统的可扩展性问题。通过在标准数据集上的实验,结果显示相较于传统的协同过滤算法,改进的算法具有更高的预测精度,在一定程度上提高了系统的推荐质量。最后,在对网站教学资源的个性化服务需求进行详细分析的基础上,进行了个性化教学资源推荐系统的设计,根据网络教学资源的特点给出了主要的推荐功能模块及推荐流程。将改进的协同过滤技术应用到教学资源推荐平台,
7、有效的满足了用户对个性化推荐服务的需求。关键字:个性化;协同过滤;稀疏性;可扩展性;教学资源英文摘要ABSTRACTWiththerapiddevelopmentofe-commerce,theinformationofthenetworkresource“sisalsoconstantlyexpanding.Peopleenjoytheconvenienceofthenetwork,atthesametime,alsounderthepressureoflargeamountofsimultaneou
8、spresentationofinformation.Inordertoimprovethenetworkinformationservicemoreeffectively,personalizedrecommendationsystemcameintobeing.Collaborativefilteringrecommendationasthecurrentmainstreamtechnologyhasbeenwidespreadconc
此文档下载收益归作者所有