基于用戶聚類和移動上下文的矩陣分解推薦算法研究

1、基于用戶聚類和移動上下文的矩陣分解推薦算法研究重慶大學碩士學位論文(學術(shù)學位)學生姓名：孫光輝指導教師：文俊浩教授專業(yè)：軟件工程學科門類：工學重慶大學軟件學院二O一七年四月萬方數(shù)據(jù)重慶大學碩士學位論文中文摘要I摘要隨著移動通信網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，移動設(shè)備逐步成為人們獲取網(wǎng)絡(luò)服務(wù)和信息資源的主要平臺之一。移動用戶在享受移動設(shè)備帶來的方便同時也面臨著嚴重的“信息過載”問題。推薦系統(tǒng)是解決信息過載、幫助用戶進行決策的“工具”。而在移動環(huán)境中，

2、上下文因素成為移動用戶選擇和決策的重要影響因素，因此不能直接將傳統(tǒng)互聯(lián)網(wǎng)推薦算法應(yīng)用在移動推薦中。在這樣情景下，如何將移動上下文融入到移動推薦中為用戶提供實時、準確的服務(wù)，進一步提高移動推薦系統(tǒng)的精確度和用戶的滿意度，成為當今移動推薦的熱點和難點。為了更精確和迅速地從海量的服務(wù)中找到用戶感興趣的內(nèi)容，本文針對引入上下文數(shù)據(jù)更加稀疏、上下文信息融入不夠、不同情景下用戶相似性的度量被忽略等問題，綜合考慮用戶全局和局部的影響，利用移動環(huán)境中上

3、下文對移動用戶的影響進行研究，提出了融入移動上下文的矩陣分解推薦算法；以及基于用戶聚類和移動上下文的矩陣分解推薦算法。有效的利用移動上下文因素對用戶的影響改進了傳統(tǒng)的偏差矩陣分解推薦方式，并通過實驗驗證了算法的有效性，在此基礎(chǔ)上還設(shè)計了一個基于此算法的移動APP原型，進行地點推薦。本文主要工作如下：①分析了與本文課題相關(guān)的研究背景、研究意義與研究現(xiàn)狀，并針對研究現(xiàn)狀中存在有關(guān)基于上下文推薦存在的不足提出解決方案，最后對本論文的主要工作內(nèi)

4、容、目的、以及本文所需相關(guān)技術(shù)進行分析。②針對移動環(huán)境下引入上下文推薦后常見的稀疏性問題、忽略上下文相似性等問題，本文結(jié)合移動上下文的相似性對偏差矩陣進行改進，提出了融入上下文的矩陣分解推薦算法。③為更好提高推薦效率，本文在利用聚類技術(shù)同時考慮用戶偏好和移動上下文因素，提出基于用戶聚類和移動上下文的矩陣分解推薦算法。該算法以偏差矩陣為基礎(chǔ)，利用聚類技術(shù)對用戶進行聚類后，再在每簇局部數(shù)據(jù)中利用移動用戶上下文相似性進行限制，以正則項的方式融