基于機器學習的眾籌平臺個性化推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術的不斷進步，眾籌平臺成為了一種新的網(wǎng)絡融資途徑。在眾籌平臺所產(chǎn)生的數(shù)據(jù)不斷增加的同時，其數(shù)據(jù)效益并沒有成正比增長，因此產(chǎn)生了所謂的“信息超載”現(xiàn)象。個性化推薦系統(tǒng)從大量數(shù)據(jù)中挖掘用戶的興趣偏好，可以很好的解決這個問題，其在電子商務、社交媒體、廣告系統(tǒng)、搜索引擎等領域都取得了一定的成功。但是，在迅速發(fā)展的網(wǎng)絡眾籌領域，目前還未有眾籌網(wǎng)站為用戶提供專業(yè)的個性化推薦服務。
　　本論文對眾籌平臺的整體情況進行了分析，并對常用

2、個性化推薦算法進行了研究和比較，完成了對推薦系統(tǒng)輸入、輸出、以及推薦算法的選取與設計。同時，本文應用機器學習算法建立基于協(xié)同過濾的推薦系統(tǒng)，并對其中存在的問題設計了相應的改進方案。一方面，本文針對數(shù)據(jù)稀疏性問題，設計了基于隱語義模型的協(xié)同過濾算法，利用統(tǒng)計學習方法解決模型最優(yōu)化問題。算法通過學習用戶評分數(shù)據(jù)的特征，訓練預測模型，得出預測評分后填充至原始評分矩陣，再以填充后的評分矩陣為數(shù)據(jù)源，基于協(xié)同過濾算法得到預測評分。另一方面，本文針

3、對數(shù)據(jù)源單一帶來的冷啟動問題，結(jié)合眾籌平臺的用戶評分與項目屬性特征，對協(xié)同過濾算法進行了改進。本文通過網(wǎng)絡通信技術，獲取眾籌平臺用戶評分與項目屬性數(shù)據(jù)，對推薦算法進行了可行性驗證，對特征學習模型中的參數(shù)進行了調(diào)節(jié)，并比較了改進前后算法的平均絕對誤差與準確度。
　　經(jīng)過實驗驗證，本文所設計的眾籌平臺個性化推薦算法能夠提供精準、快速的個性化推薦服務，為用戶提供便利的同時，也有利于眾籌平臺的發(fā)展。本論文提出的改進算法，在一定程度上解決了