協(xié)同過濾混合相似度推薦機制研究與設計.pdf

1、分類號：UDC：密級：學校代號：學號：廣東工業(yè)大學碩士學位論文(工學碩士)118452111305029協(xié)同過濾混合相似度推薦機制研究與設計麥嘉俊指導教師姓名、職稱：塍塵垡教授學科(專業(yè))或領域名稱：i土箕機抖堂皇技本學生所屬學院：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)的普及和信息技術的快速發(fā)展，網(wǎng)絡數(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，而個性化推薦服務的出現(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用最為廣泛的個性化推薦技術之一，如基于用戶的與基于項目的協(xié)同過濾機制與算法等。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)的相似度來計算項目最近鄰居，會忽略用戶行為，未能關注用戶的各種興趣愛好。同時，計算尋找用戶最近鄰居時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，提高推薦準確率，為用戶提供更人性化的推薦服務已成為協(xié)同過濾推薦領域的熱點研究方向。本文根據(jù)以上傳統(tǒng)協(xié)同過濾存在的相關問題，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，改進相似度度量計算，通過將項目屬性相關性和修正余弦相似性進行線性組合，提出一種混合相似度計算方法來計算最近鄰居項目集。同時，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系，通過用戶一信任關系

4、矩陣計算用戶之間的信任度，再結合上述的混合相似度來計算用戶最近鄰居，最終將用戶的評分相似性和用戶的信任度相結合，形成新的相似度度量方法來對目標項目進行預測評分，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行了對比。實驗結果表明，本文提出的基于協(xié)同過濾的混