学位论文 > 优秀研究生学位论文题录展示

基于协同过滤的个性化推荐算法研究

作　者: 段玮
导　师: 裴小兵
学　校: 华中科技大学
专　业: 软件工程
关键词: 协同过滤个性化推荐冷启动兴趣转移
分类号: TP301.6
类　型: 硕士论文
年　份: 2009年
下　载: 191次
引　用: 0次
阅　读: 论文下载

内容摘要

随着互联网的高速发展,人们在享受信息化带来的便利的同时,也常常会在信息的海洋中感到迷失。原因在于用户和数据之间没有一个有效的桥梁,人们不知道如何获取自己需要的数据。信息过滤技术试图帮助人们过滤掉无用的信息,找到自己需要的信息。个性化推荐系统是信息过滤技术的一种应用,它充分利用用户的基本信息、WEB内容以及用户行为(如购物、评价等),来推测当前用户可能感兴趣的内容,然后进行推荐。因此推荐问题的本质可以理解为用户行为分析,加上数据挖掘和机器学习的过程。协同过滤作为一种流行的信息过滤技术,已经成功的应用于许多商业的推荐系统中。尽管协同过滤取被证明能够为用户产生有效的推荐,但也存在一定的缺陷。为此,从数据稀疏、冷启动以及扩展性方面,以GroupLens项目组提供的MovieLens数据集作为测试数据集,对基于协同过滤的推荐技术进行了研究。将内容过滤与协同过滤相结合,是解决稀疏性与冷启动的有效手段。引入了贝叶斯网络模型来实现内容过滤,解决了冷启动问题,又采用NMF的协同过滤以适应稀疏的数据,然后将两者结合起来。经实验证明,该方法在评分预测问题上较传统的方法有明显的提高。另外,对于大多数传统的协同过滤研究所忽略的用户兴趣转移问题,采用了一种线性逐渐遗忘的方法来调整用户评分的权重,即认为时间越近的评分信息,越能代表用户当前的兴趣,在这种基础上计算用户的相似性来实现协同过滤。经实验证明,该方法在产生推荐的问题上有更好的效果。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-14
  1.1 课题研究背景  8-9
  1.2 推荐技术研究概况  9-11
  1.3 课题研究目的及意义  11-12
  1.4 论文的主要研究内容  12-13
  1.5 论文结构  13-14
2 相关技术分析  14-27
  2.1 基于关联规则(Association Rule)的推荐  14-15
  2.2 基于内容(Content-based)的推荐  15-16
  2.3 基于协同过滤(Collaborative filtering)的推荐  16-25
  2.4 内容与协同过滤相结合的推荐  25-26
  2.5 本章小结  26-27
3 协同过滤面临的挑战  27-31
  3.1 冷启动问题  27
  3.2 稀疏性问题  27-28
  3.3 兴趣转移问题  28-29
  3.4 扩展性问题  29-30
  3.5 本章小结  30-31
4 内容过滤与协同过滤相结合的推荐算法  31-43
  4.1 基于贝叶斯网络的内容过滤推荐算法  31-33
  4.2 基于 NMF 的协同过滤推荐算法  33-36
  4.3 内容过滤与协同过滤混合推荐方法  36
  4.4 实验及结果分析  36-42
  4.5 本章小结  42-43
5 适应用户兴趣转移的协同过滤推荐算法  43-49
  5.1 基于逐步遗忘的内容过滤算法  43
  5.2 基于逐步遗忘的协同过滤算法  43-44
  5.3 最频繁项推荐算法  44-45
  5.4 实验及结果分析  45-48
  5.5 本章小结  48-49
6 全文总结和展望  49-52
  6.1 全文总结  49-50
  6.2 展望  50-52
致谢  52-53
参考文献  53-57

基于协同过滤的个性化推荐算法研究

内容摘要

全文目录

相似论文