基于聚類和項(xiàng)目類別偏好的協(xié)同過濾推薦算法研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：虧許簽字日期：加1畢年了月／o曰浙江理工大學(xué)碩士學(xué)位論文摘要為解決網(wǎng)絡(luò)信息過載問題，個(gè)性化

2、推薦系統(tǒng)及推薦算法成為各界研究和應(yīng)用的難點(diǎn)與熱點(diǎn)。針對傳統(tǒng)的協(xié)同過濾算法存在的可擴(kuò)展性、數(shù)據(jù)稀疏性、冷啟動(dòng)以及同義詞等問題，本文以提高個(gè)性化推薦系統(tǒng)中活動(dòng)用戶的最近鄰居查詢的質(zhì)量和效率為出發(fā)點(diǎn)，重點(diǎn)對傳統(tǒng)的協(xié)同過濾算法在應(yīng)用中存在的可擴(kuò)展性和數(shù)據(jù)稀疏性問題進(jìn)行探討，提出一種改進(jìn)的協(xié)同過濾推薦算法，并對所提出的算法進(jìn)行實(shí)證分析，驗(yàn)證了本文研究成果的有效性和可行性。本文的主要工作如下：第一章：緒論部分。介紹了課題的研究背景、研究現(xiàn)狀及存在的

3、問題、本文的主要研究內(nèi)容與研究思路以及論文的結(jié)構(gòu)安排。第二章：個(gè)性化推薦系統(tǒng)及相關(guān)推薦技術(shù)。簡述了電子商務(wù)推薦系統(tǒng)的分類、體系結(jié)構(gòu)，介紹了基于內(nèi)容的推薦、基于模型的推薦、組合推薦、協(xié)同過濾推薦技術(shù)及其推薦原理和步驟。第三章：基于Kmeans和項(xiàng)目類別偏好的用戶聚類。針對協(xié)同過濾推薦存在的可擴(kuò)展性問題，介紹了目前協(xié)同推薦中聚類算法的應(yīng)用情況，提出了基于Kmeans和項(xiàng)目類型偏好的聚類算法。該算法通過對用戶進(jìn)行離線聚類，將項(xiàng)目類偏好相似的用

4、戶劃分到相同的用戶簇，基于聚類推薦的在線鄰居查找可以從與目標(biāo)用戶最近的若干個(gè)用戶簇中進(jìn)行，進(jìn)而提高了鄰居查詢效率。第四章：基于聚類和項(xiàng)目類別偏好的協(xié)同過濾推薦算法。考慮到傳統(tǒng)的基于用戶的協(xié)同過濾算法在數(shù)據(jù)稀疏性環(huán)境下推薦質(zhì)量不佳，本章首先提出了一種基于項(xiàng)目類別偏好的協(xié)同過濾推薦模型。該模型在目標(biāo)用戶的鄰居集合確定階段綜合考慮用戶的項(xiàng)目評分信息和項(xiàng)目類偏好信息，使得鄰居查找更準(zhǔn)確，提高了系統(tǒng)的推薦質(zhì)量。然后結(jié)合第三章中提出的聚類算法和此模