学位论文 > 优秀研究生学位论文题录展示

基于用户个人特征的多内容项目协同过滤推荐

作　者: 彭玉
导　师: 程小平
学　校: 西南大学
专　业: 计算机应用技术
关键词: 推荐系统 协同过滤 推荐算法 属性相似性 个人特征
分类号: TP311.52
类　型: 硕士论文
年　份: 2007年
下　载: 271次
引　用: 7次
阅　读: 论文下载
 

内容摘要


近年来，电子商务个性化推荐系统在网络上获得了普遍的成功，协同过滤是其中应用最为广泛的个性化推荐技术。但是，网上有效信息的数量和商品的种类的急速增长对推荐系统提出了严峻挑战，协同过滤推荐中存在的冷开始和稀疏性问题还有在基于项目的协同过滤推荐中的项目多内容问题急待解决。本文通过分析传统的基于项目协同过滤算法中存在的项目多内容问题，提出了一种基于项目的协同过滤的改进算法，算法综合考虑了项目自身属性和用户评价的影响，在进行目标项目最近邻查询时，首先基于项目特征属性矩阵计算项间相似性，找出邻居项目候选集，然后基于用户一项评分矩阵计算目标项目与邻居项目候选集中项目的相似性，找出目标项目的最近邻居项目集。用户的个人特征在很大程度上决定着用户的消费习惯。所以针对用户评分数据的极端稀疏性和新用户的推荐问题，本文提出了一种基于用户个人特征的最近邻协同过滤推荐算法，通过描述用户个人特征的特征矩阵来计算用户间的相似性，初步预测用户对未评分项目的评分，对用户一项评分矩阵进行调整，然后采用一种新颖的相似性度量方法计算用户的最近邻居。随后，分别设计了本文提出的两个改进算法的仿真实验，统计分析了实验结果，比较了改进的推荐算法和传统的协同过滤推荐算法、基于内容的推荐算法，从而表明了改进的推荐算法的准确性。最后，介绍了基于用户个人特征的推荐方法的电子商务个性化推荐系统在网上音像制品销售行业的应用。

全文目录


摘要  4-5
Abstract  5-6
第一章 绪论  6-10
  1.1 引言  6
  1.2 协同过滤推荐的国内外研究现状  6-8
  1.3 本课题的研究意义  8
  1.4 本课题的主要工作  8-9
  1.5 本文的组织结构  9
  1.6 小结  9-10
第二章 电子商务个性化推荐系统  10-15
  2.1 电子商务个性化推荐系统概述  10-12
    2.1.1 电子商务个性化推荐系统的功能  10-11
    2.1.2 电子商务个性化推荐系统的构成  11-12
  2.2 电子商务个性化推荐系统的总体框架及流程  12-13
  2.3 电子商务个性化推荐系统的研究内容  13-14
  2.4 小结  14-15
第三章 信息过滤系统  15-23
  3.1 基于内容的过滤技术  15-16
    3.1.1 基于内容的推荐  15
    3.1.2 基于内容的推荐的优劣分析  15-16
  3.2 协同过滤技术  16-19
    3.2.1 协同过滤系统简单描述  16-17
    3.2.2 协同过滤技术的分类  17-18
    3.2.3 协同过滤技术的优缺点  18-19
  3.3 基于用户的协同过滤推荐算法  19-21
  3.4 基于项目的协同过滤推荐算法  21-22
  3.5 小结  22-23
第四章 项目多内容下的协同过滤算法研究  23-32
  4.1 引言  23
  4.2 Item-based 协同过滤技术  23-25
    4.2.1 传统 Item-based 协同过滤算法的基本原理  23-24
    4.2.2 Item-based 协同过滤中的多内容问题分析  24-25
  4.3 对传统 Item-based 协同过滤算法的改进  25-27
    4.3.1 用于计算的用户一项评分矩阵R和项目特征属性矩阵A  26
    4.3.2 改进算法中项目相似性计算  26-27
    4.3.3 改进的 Item-based 协同过滤算法  27
  4.4 试验结果及其分析  27-31
    4.4.1 数据集  27-28
    4.4.2 评价标准  28
    4.4.3 试验结果及分析  28-31
  4.5 小结  31-32
第五章 基于用户个人特征的协同过滤算法研究  32-39
  5.1 个人特征  32-33
  5.2 最近邻协同过滤推荐技术  33-34
  5.3 基于用户协同过滤中的稀疏性问题和新用户问题分析  34-35
  5.4 基于用户个人特征的协同过滤推荐技术  35-36
    5.4.1 基于用户个人特征的预测  35-36
    5.4.2 基于用户个人特征的协同过滤推荐  36
  5.5 试验结果及其分析  36-38
    5.5.1 数据集  36-37
    5.5.2 评价标准  37
    5.5.3 实验结果及分析  37-38
  5.6 小结  38-39
第六章 基于用户个人特征的个性化推荐范例  39-44
  6.1 电子商务在网上音像制品销售行业的应用背景  39
  6.2 引入基于用户个人特征的推荐实例  39-42
    6.2.1 在线工作─Web数据采集  40
    6.2.2 下线工作─数据处理与分析  40-42
    6.2.3 核心工作─应用基于用户个人特征的推荐引擎产生推荐  42
  6.3 小结  42-44
结束语  44-45
参考文献  45-47
致谢  47-48
硕士期间所发表的论文  48

相似论文

  1. 基于自然遗忘的个性化推荐算法研究,TP311.52
  2. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  3. Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3
  4. 基于协同过滤的用户兴趣发现,TP391.3
  5. 基于信息型模型的音乐推荐算法,TP391.3
  6. 社会化网络中的推荐算法及其应用,TP391.3
  7. 个性化医疗信息推荐系统的研究与实现,R319
  8. 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
  9. 基于GPU的图书推荐系统研究与实现,TP391.3
  10. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  11. 基于社会标签系统的推荐技术研究,TP391.3
  12. 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
  13. 基于特征向量的个性化推荐算法研究,TP391.3
  14. 基于语用情境的资源推荐研究及应用,TP391.3
  15. 空间实体关联规则提取技术研究,P208
  16. 动态推荐技术的研究及在个性化电子警务中的应用,D631.1
  17. 智能家庭中个性化规则生成与多Agent技术应用研究,TP18
  18. 跨系统个性化服务中隐私保持问题研究,TP393.08
  19. Agent电子商务推荐系统下协同过滤技术研究,F713.36
  20. 基于双信息源的协同过滤算法及其应用研究,TP301.6
  21. 基于AJAX的个性化图书馆信息系统的设计与实现,TP311.52

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 > 计算机软件 > 程序设计、软件工程 > 软件工程 > 软件开发
© 2012 www.xueweilunwen.com