学位论文 > 优秀研究生学位论文题录展示

基于协同过滤算法的个性化推荐系统的研究

作　者: 程淑玉
导　师: 王浩；王韦伟
学　校: 合肥工业大学
专　业: 计算机技术
关键词: 个性化 推荐系统 协同过滤 WEB挖掘 用户聚类
分类号: TP393.09
类　型: 硕士论文
年　份: 2010年
下　载: 300次
引　用: 1次
阅　读: 论文下载
 

内容摘要


信息过载和信息迷失已经成为制约人们高效使用Internet上信息的瓶颈。信息过载是信息时代信息极大丰富的负面影响之一,随着Internet应用的迅速发展,网上信息迅速增加,从而使得用户面对太多的信息难以及时地消化、吸收。信息迷失是指由于Internet上信息资源分布的广泛性,用户不知道如何确切地表达对网上信息的需求,也不知道如何准确有效地寻找自己感兴趣的信息。目前大多数搜索引擎由于缺乏主动性,没有考虑用户的兴趣偏好,还不能非常有效地解决信息过载和信息迷失的问题。推荐系统是在信息过滤技术的基础上衍生的技术。信息过滤技术能够较好的解决“信息过载”和“信息迷失”问题,让人们能更充分的使用Internet上的信息。信息过滤技术是实现信息资源个性化推荐的基础。但是随着Internet信息规模的不断扩大,推荐系统也面临一系列问题,本文结合现有的网站资源对个性化推荐系统的推荐算法进行了研究。本文首先介绍了WEB挖掘技术和个性化推荐系统,然后介绍了协同过滤算法的原理及应用,并对其进行分析,指出了该算法存在的问题,提出了基于WEB日志和聚类分析的协同过滤算法,该算法在系统离线时,分析服务器WEB日志,采用用户聚类的方法将具有相似兴趣度的用户划分到同一个聚类中,而当系统在线时寻找最近邻居,当向一个目标用户进行推荐时只需要在和其兴趣度最相似的聚类中寻找其邻居,然后根据邻居的兴趣向目标用户推荐其最有可能感兴趣的商品来提高在线数据处理效率,最后将该算法应用到本论文所研究的具体网站中,从而验证了该算法能够有效的提高推荐系统的推荐质量与推荐效率。

全文目录


摘要  5-6
Abstract  6-7
致谢  7-12
第一章 引言  12-17
  1.1 研究背景  12
  1.2 研究现状  12-15
    1.2.1 个性化推荐系统与协同过滤  12-13
    1.2.2 个性化推荐系统的现状  13-15
  1.3 本文的主要研究内容与组织结构  15-17
第二章 WEB挖掘与个性化推荐系统  17-24
  2.1 数据挖掘  17-19
    2.1.1 数据挖掘产生的背景  17-18
    2.1.2 数据挖掘的过程  18-19
    2.1.3 数据挖掘的功能和方法  19
  2.2 WEB挖掘  19-21
    2.2.1 WEB挖掘的基本概念  19
    2.2.2 WEB挖掘的分类  19-21
  2.3 个性化推荐系统  21-23
    2.3.1 个性化推荐系统概念  21
    2.3.2 个性化推荐系统构成  21-22
    2.3.3 个性化推荐系统分类  22-23
  2.4 小结  23-24
第三章 协同过滤推荐算法  24-33
  3.1 协同过滤技术概述  24-25
  3.2 协同过滤算法的分类  25-30
    3.2.1 基于内存的协同过滤  26-29
    3.2.2 基于模型的协同过滤  29-30
  3.3 协同过滤算法的优缺点及现有的解决方法  30-32
    3.3.1 协同过滤算法的优点  30
    3.3.2 协同过滤算法的缺点  30-31
    3.3.3 现有的解决方法  31-32
  3.4 本章小结  32-33
第四章 基于WEB日志和聚类分析的协同过滤算法  33-50
  4.1 WEB日志分析  33-34
    4.1.1 WEB日志分布  33
    4.1.2 WEB日志的记录方式  33
    4.1.3 WEB日志文件格式  33-34
  4.2 WEB日志预处理  34-41
  4.3 聚类分析  41-49
    4.3.1 相关问题  41-43
    4.3.2 聚类的应用  43-49
  4.4 本章小结  49-50
第五章 个性化推荐系统的设计  50-58
  5.1 系统设计  50-51
  5.2 实验分析  51-57
    5.2.1 实验环境  51
    5.2.2 实验数据集  51
    5.2.3 实验评分标准  51-52
    5.2.4 实验方案  52-53
    5.2.5 实验过程  53-54
    5.2.6 实验结果分析  54-57
  5.3 本章小结  57-58
第六章 总结与展望  58-60
  6.1 总结  58
  6.2 展望  58-60
参考文献  60-62
攻读硕士期间发表论文情况  62

相似论文

  1. 万科模式的居住小区设计研究,TU984.12
  2. 隐式用户兴趣挖掘的研究与实现,TP311.13
  3. 个性化检索中相似用户群的获取与更新,TP391.3
  4. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  5. 大学生思想政治教育工作个性化教育的研究,G641
  6. OQAS对不同制瓣方式的个性化LASIK手术术后视觉质量的评估,R779.63
  7. 面向社区教育的个性化学习系统的研究与实现,TP391.6
  8. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  9. 网络环境下小学协同教育的策略研究,G629.2
  10. 基于自然遗忘的个性化推荐算法研究,TP311.52
  11. 网络学习系统中个性化学习指导系统构建研究,TP391.6
  12. 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
  13. 基于Web挖掘技术研究及其在数字图书馆中的应用,G250.76
  14. 当代纺织品设计中图案风格的融合,J523
  15. 地板个性化送风方式的动态能耗分析研究,TU831
  16. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  17. 特殊体型数字化服装定制系统,TP391.72
  18. 基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
  19. 基于物联网的个性化k-匿名位置隐私保护技术的研究和实现,TP393.08
  20. 多媒体个性化建模与检索,TP391.3
  21. Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络应用程序
© 2012 www.xueweilunwen.com