基于標簽譜聚類的個性化推薦策略相關問題研究.pdf

1、學校代碼：10270分類號：TP391學號：152502848碩士專業(yè)學位論文基于標簽譜聚類的個性化推薦策略相關問題研究學院:信息與機電工程學院專業(yè)學位類別:工程碩士專業(yè)領域:計算機技術研究生姓名:張震雷指導老師:楊新凱完成日期:2018年3月上海師范大學碩士學位論文摘要I摘要互聯(lián)網(wǎng)的繁榮發(fā)展給現(xiàn)代社會帶來了深遠影響。尤其是在web2.0時代，人們可以在互聯(lián)網(wǎng)上開展一系列諸如網(wǎng)上購物、網(wǎng)上辦公、網(wǎng)上學習等活動。文檔、圖片、音頻、視頻等多

2、元的互聯(lián)網(wǎng)信息充斥著人們的生活，無論是信息的生產(chǎn)者還是信息的消費者都面臨著巨大的挑戰(zhàn)，信息過載成為了亟待解決的問題。于是，個性化推薦系統(tǒng)應運而生。時至今日，推薦系統(tǒng)領域涌現(xiàn)了大量的推薦算法。本文則針對個性化推薦系統(tǒng)展開深入討論，并就常用協(xié)同過濾推薦算法在數(shù)據(jù)稀疏性、推薦精度等方面的問題，嘗試提出一種結合標簽譜聚類的個性化推薦策略，主要內容如下：首先，本文研究了幾種常見的個性化推算法的基本原理和相關背景知識。其中，重點對比分析了基于鄰域的

3、協(xié)同過濾推薦方法的優(yōu)劣勢以及各自的適用場景，并在后文通過實驗驗證了協(xié)同過濾推薦的有效性；然后，針對協(xié)同過濾推薦系統(tǒng)中常見的數(shù)據(jù)稀疏性、推薦精度等問題，結合標簽和譜聚類的優(yōu)勢，提出一種基于標簽譜聚類的協(xié)同過濾推薦（TSCF）算法，這種推薦算法有兩點創(chuàng)新之處：(1)隨著用戶對個人隱私安全意識的提高，傳統(tǒng)推薦系統(tǒng)中可以使用的人口統(tǒng)計學信息有限，相似度精度的瓶頸將限制推薦質量的進一步提高。本文結合UGC標簽來挖掘用戶興趣，提出用戶基于標簽的關聯(lián)

4、度來修正用戶相似度，從而提升了最終的推薦精度。(2)利用標簽綜合共現(xiàn)相似度，設計模塊度函數(shù)并對標簽進行譜聚類，基于標簽簇把關聯(lián)度較高的用戶分到相應組，然后在用戶組內完成推薦。這樣做可以降低數(shù)據(jù)稀疏性，同時也縮減了近鄰搜索空間，提升推薦實時性和多樣性，一定程度上可以緩解推薦系統(tǒng)的可擴展性。最后，使用Lastfm音樂網(wǎng)站在第五屆RecSys大會上公布的數(shù)據(jù)集，設計仿真實驗證明所提算法的有效性。通過與基于用戶鄰域的協(xié)同過濾以及基于用戶Kmea