融合圖像相似性與協(xié)同過(guò)濾的個(gè)性化推薦算法研究.pdf

1、蘇州大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不含為獲得蘇州大學(xué)或其它教育機(jī)構(gòu)的學(xué)位證書(shū)而使用過(guò)的材料。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。論文作者簽名：盔!扭裊El融合圖像相似性與協(xié)同過(guò)濾的個(gè)性化推薦算法研究中文摘要融合圖像相似性與協(xié)同過(guò)濾

2、的個(gè)性化推薦算法研究中文摘要隨著計(jì)算機(jī)互聯(lián)網(wǎng)的迅猛發(fā)展，電子商務(wù)將迎來(lái)前所未有的高速發(fā)展時(shí)期。電子商務(wù)推薦系統(tǒng)作為一個(gè)非常重要的購(gòu)物助手，可以幫助用戶在海量商品中快速找到所需的商品，可以幫助企業(yè)有效地留住用戶，增加銷(xiāo)量，提升企業(yè)競(jìng)爭(zhēng)力。目前推薦系統(tǒng)已廣泛應(yīng)用在大型電子商務(wù)網(wǎng)站中，例如亞馬遜、淘寶、京東等。但是傳統(tǒng)的協(xié)同過(guò)濾技術(shù)依然存在著冷啟動(dòng)、數(shù)據(jù)稀疏、可擴(kuò)展性等多個(gè)難題，尤其是目前大多數(shù)電子商務(wù)購(gòu)物網(wǎng)站都是通過(guò)商品的圖片信息來(lái)吸引顧客

3、，但是目前推薦系統(tǒng)大多沒(méi)有用到商品的圖片信息，本文針對(duì)如何利用商品的圖像信息進(jìn)行推薦進(jìn)行研究，將圖像相似性和傳統(tǒng)的協(xié)同過(guò)濾推薦算法相結(jié)合，提出了基于融合策略的個(gè)性化推薦算法，本文主要研究工作如下：(1)針對(duì)目前推薦系統(tǒng)評(píng)分系統(tǒng)稀疏問(wèn)題、新項(xiàng)目問(wèn)題以及傳統(tǒng)的協(xié)同過(guò)濾在近鄰尋找時(shí)出現(xiàn)的可信度不高問(wèn)題，從相似性度量算法出發(fā)，提出了可以依據(jù)不同用戶間的評(píng)分?jǐn)?shù)據(jù)自適應(yīng)調(diào)整的相似度度量因子以及區(qū)分用戶積極傾向和消極傾向的近鄰偏好因子，綜合上述兩個(gè)因

4、子提出了優(yōu)化近鄰選擇的協(xié)同過(guò)濾算法。(2)圖像相似度推薦的關(guān)鍵問(wèn)題是圖像匹配，本文在深入研究局部特征算法的基礎(chǔ)上，針對(duì)尺度不變特征變換算法的不足，提出了新的局部特征描述算法CGCISIFT，并通過(guò)實(shí)驗(yàn)與SIFT以及其著名的擴(kuò)展算法ASIFT、SURF以及PCA—SIFT在尺度不變性、旋轉(zhuǎn)不變性、光照不變性、仿射不變性以及時(shí)效性等六個(gè)方面做了對(duì)比驗(yàn)證，驗(yàn)證了CGCISIFT的性能。(3)提出基于融合策略興趣偏好模型以及可調(diào)節(jié)加權(quán)平衡因子，