協(xié)同過濾混合相似度推薦機(jī)制研究與設(shè)計(jì).pdf

1、分類號：UDC：密級：學(xué)校代號：學(xué)號：廣東工業(yè)大學(xué)碩士學(xué)位論文(工學(xué)碩士)118452111305029協(xié)同過濾混合相似度推薦機(jī)制研究與設(shè)計(jì)麥嘉俊指導(dǎo)教師姓名、職稱：塍塵垡教授學(xué)科(專業(yè))或領(lǐng)域名稱：i土箕機(jī)抖堂皇技本學(xué)生所屬學(xué)院：讓箕扭堂院論文答辯日期：2Q!魚生墨且2Z目摘要摘要互聯(lián)網(wǎng)的普及和信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)呈指數(shù)級增長，尤其近年社交網(wǎng)站和電子商務(wù)網(wǎng)站的興起與迅猛發(fā)展，出現(xiàn)了“信息資源過載”和“數(shù)據(jù)爆炸”的現(xiàn)象。這些現(xiàn)象

2、已經(jīng)成為商家與用戶不容忽視的重要難題，而個(gè)性化推薦服務(wù)的出現(xiàn)是解決這一現(xiàn)狀的有效手段。在推薦算法研究中，協(xié)同過濾算法是目前應(yīng)用最為廣泛的個(gè)性化推薦技術(shù)之一，如基于用戶的與基于項(xiàng)目的協(xié)同過濾機(jī)制與算法等。然而，目前的大多數(shù)推薦系統(tǒng)都存在用戶冷啟動問題和數(shù)據(jù)稀疏性問題。此外，只采用傳統(tǒng)的相似度來計(jì)算項(xiàng)目最近鄰居，會忽略用戶行為，未能關(guān)注用戶的各種興趣愛好。同時(shí)，計(jì)算尋找用戶最近鄰居時(shí)忽略用戶之間的信任問題，也會對推薦質(zhì)量有所影響。因此，優(yōu)化

3、相似度計(jì)算，更合理的解決數(shù)據(jù)稀疏性與冷啟動問題，提高推薦準(zhǔn)確率，為用戶提供更人性化的推薦服務(wù)已成為協(xié)同過濾推薦領(lǐng)域的熱點(diǎn)研究方向。本文根據(jù)以上傳統(tǒng)協(xié)同過濾存在的相關(guān)問題，提出了一種基于協(xié)同過濾的混合相似度推薦算法。該算法考慮用戶行為，采用混合模型，改進(jìn)相似度度量計(jì)算，通過將項(xiàng)目屬性相關(guān)性和修正余弦相似性進(jìn)行線性組合，提出一種混合相似度計(jì)算方法來計(jì)算最近鄰居項(xiàng)目集。同時(shí)，研究分析傳統(tǒng)協(xié)同推薦系統(tǒng)沒有引入用戶間的信任關(guān)系，通過用戶一信任關(guān)系

4、矩陣計(jì)算用戶之間的信任度，再結(jié)合上述的混合相似度來計(jì)算用戶最近鄰居，最終將用戶的評分相似性和用戶的信任度相結(jié)合，形成新的相似度度量方法來對目標(biāo)項(xiàng)目進(jìn)行預(yù)測評分，最終形成TOP—N推薦對象列表向用戶推薦。論文通過算法比較，在Epinions公開數(shù)據(jù)集上將所研算法與混合相似度的用戶多興趣推薦算法、基于用戶的協(xié)同過濾推薦算法、基于用戶信任的協(xié)同過濾推薦算法、基于信任的用戶聚類推薦算法四種算法進(jìn)行了對比。實(shí)驗(yàn)結(jié)果表明，本文提出的基于協(xié)同過濾的混