学位论文 > 优秀研究生学位论文题录展示
结合非负矩阵分解的推荐算法及框架研究
作 者: 周子亮
导 师: 吴为民
学 校: 北京交通大学
专 业: 计算机科学与技术
关键词: 个性化推荐系统 非负矩阵分解 推荐系统框架 协同过滤算法
分类号: TP391.3
类 型: 硕士论文
年 份: 2013年
下 载: 270次
引 用: 0次
阅 读: 论文下载
内容摘要
随着互联网技术的发展,网络上的信息数量呈指数增长,海量信息同时呈现在用户面前,出现了著名的“信息过载”现象。在这样的背景下个性化推荐系统应运而生,个性化推荐系统通过分析用户的资料或者历史访问记录,为用户推荐其可能感兴趣的信息。目前个性化推荐系统已经成为解决信息过载问题的最有效的工具之一,并且已经成功应用于很多网站中。本文主要从个性化推荐系统的应用场合、优缺点、主要算法、框架等方面进行了详细地介绍,并在以下几个方面进行了创新:首先,引入了非负矩阵分解的矩阵分解方法,并将该方法与协同过滤推荐算法中基于项目的协同过滤算法和基于用户的协同过滤算法进行结合,来减少用户评分矩阵中噪声的干扰,提高算法的精准度并减少算法线上运行时间。为了进一步提高算法的覆盖率,将两种方法进行融合。事实证明,融合后的算法虽然在精确性上有较小的损失,但能够大大提高覆盖率,有利于“长尾”的发掘。其次,提出了一种通用的推荐系统框架,并按照外围架构、推荐系统架构、推荐引擎架构三个层级介绍了该框架的主要模块。该框架的优势在于它的多引擎结构,各引擎之间结构独立,可以根据算法灵活调整,本文详细介绍了结合非负矩阵分解的协同过滤推荐算法使用的引擎框架。系统能够根据具体的应用场合来灵活决定使用哪种推荐引擎。
|
全文目录
致谢 5-6 中文摘要 6-7 ABSTRACT 7-11 1 绪论 11-16 1.1 研究背景与意义 11-12 1.2 国内外研究现状 12-14 1.2.1 推荐技术研究与应用 12-13 1.2.2 推荐框架研究与应用 13-14 1.2.3 推荐系统实例 14 1.3 本文组织结构 14-16 2 个性化推荐系统概述及分类 16-28 2.1 推荐系统定义 16-18 2.2 基于内容的推荐 18-20 2.2.1 用户模型 18-19 2.2.2 相似性计算 19-20 2.3 基于人口统计学的推荐 20 2.4 协同过滤推荐系统 20-26 2.4.1 基于内存的协同过滤推荐系统 23-25 2.4.2 基于模型的协同过滤推荐系统 25 2.4.3 协同过滤推荐系统的优缺点 25-26 2.5 本章小结 26-28 3 实验和评测指标 28-32 3.1 实验数据 28-29 3.1.1 MovieLens 28 3.1.2 Netflix 28-29 3.2 评价指标 29-31 3.2.1 精确性 29-30 3.2.2 覆盖率 30 3.2.3 多样性 30-31 3.3 本章小结 31-32 4 基于非负矩阵分解的推荐算法研究 32-51 4.1 隐含语义分析 32-34 4.2 隐语义模型 34-37 4.2.1 隐语义模型基本概念 35-36 4.2.2 SVD++模型 36-37 4.3 非负矩阵分解 37-38 4.4 结合NMF的基于内存的协同过滤推荐系统 38-42 4.4.1 NMF-User-based CF 39-40 4.4.2 NMF-Item-based CF 40-41 4.4.3 NMF-Mem-based CF 41-42 4.4.4 算法时间复杂度分析 42 4.5 NMF对隐含语义的挖掘 42-43 4.6 实验结果及分析 43-51 4.6.1 分析结合NMF的系统过滤算法实验结果 43-47 4.6.2 对比实验结果及分析 47-50 4.6.3 本章小结 50-51 5 推荐系统的构建 51-60 5.1 外围架构 51-52 5.2 推荐系统架构 52 5.3 推荐引擎架构 52-55 5.3.1 离线部分 53-54 5.3.2 推荐算法 54 5.3.3 过滤模块 54 5.3.4 排名模块 54-55 5.3.5 推荐解释选择 55 5.4 推荐系统实现 55-59 5.4.1 视图层 56-57 5.4.2 算法层 57 5.4.3 数据层 57-59 5.5 本章小结 59-60 6 总结与展望 60-62 6.1 总结 60-61 6.2 展望 61-62 参考文献 62-65 作者简历 65-67 学位论文数据集 67
|
相似论文
- 基于论文关键词聚类的用户兴趣模型细化方法研究,TP391.3
- 基于NMF的矿产预测技术的研究与实现,P624
- 能力导向终身学习个性化推荐系统学习者模型构建,G720
- 面向终身学习的能力导向个性化推荐系统中资源的建设与共享机制研究,G720
- 面向电子商务的Web数据挖掘应用研究,TP311.13
- 改进的协同过滤算法在推荐系统中的研究,TP391.3
- 终身学习个性化推荐系统中学习者个人能力发展研究,G77
- 联合聚类算法研究及应用,TP311.13
- 基于协同过滤的电子商务个性化推荐系统的研究与实现,TP311.52
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 面向图像表达的非负局部坐标分解算法,TP391.41
- 基于稀疏非负矩阵分解的图像检索,TP391.41
- 智能视频监控系统中人体异常行为检测与识别研究,TP391.41
- 面向互联网中文舆情信息的情感倾向分析,TP391.1
- 基于神经网络的属性推断技术研究及应用,TP391.3
- 基于非负矩阵分解的高光谱遥感图像混合像元分解研究,TP751.1
- 基于最小二乘法的非负矩阵分解算法及应用,O151.21
- 高光谱遥感图像融合技术与质量评价方法研究,TP751
- 动态推荐技术的研究及在个性化电子警务中的应用,D631.1
- 基于NMF垃圾邮件过滤系统研究,TP393.098
- 基于协同过滤的电子商务个性化推荐算法研究,F713.36
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 > 信息处理(信息加工) > 检索机
© 2012 www.xueweilunwen.com
|