個性化推薦系統(tǒng)中的推薦算法研究.pdf

1、隨著電子商務(wù)的發(fā)展，電商網(wǎng)站的規(guī)模在不斷增大，網(wǎng)上商品的種類越來越多。推薦系統(tǒng)的出現(xiàn)可以幫助用戶在面對如此繁多的商品信息時做出選擇。但目前推薦算法依然在發(fā)展中，其精確性還不能滿足人們的需求，所以有很多關(guān)于此方面的研究。如何根據(jù)用戶的特定喜好進(jìn)行更準(zhǔn)確、更便捷的推薦服務(wù)成為了越來越多專家學(xué)者致力研究的內(nèi)容。
　　關(guān)聯(lián)規(guī)則和協(xié)同過濾是兩種重要的推薦算法。但是由于事物數(shù)據(jù)庫中項(xiàng)目分布的不均勻性以及協(xié)同過濾算法中的數(shù)據(jù)稀疏性造成的冷啟動問

2、題，這些算法的精確性還有待提高。本文針對這些問題，對關(guān)聯(lián)規(guī)則和協(xié)同過濾算法提出了改進(jìn)，并將改進(jìn)后的算法應(yīng)用在個性化web商城推薦系統(tǒng)中。
　　論文的研究工作得到了國家自然科學(xué)基金項(xiàng)目(No.61172072、61271308)、北京市自然科學(xué)基金項(xiàng)目(No.4112045)和高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(No.20100009110002)的支持。本論文的主要研究工作包括:
　　(1)根據(jù)Apriori算法及Partiti

3、on算法的問題，改進(jìn)了關(guān)聯(lián)規(guī)則。針對事物數(shù)據(jù)庫中具有強(qiáng)規(guī)律性的項(xiàng)目，設(shè)計了一種權(quán)重公式給予其相應(yīng)加權(quán)，以此來提高事務(wù)數(shù)據(jù)庫中具有穩(wěn)定時間間隔規(guī)律項(xiàng)的支持度;
　　(2)為了解決協(xié)同過濾算法中的數(shù)據(jù)稀疏性問題，本文根據(jù)后臺數(shù)據(jù)庫中的數(shù)據(jù)記錄，獲取其中的隱式信息，并結(jié)合MapReduce技術(shù)將其應(yīng)用在個性化推薦系統(tǒng)中來優(yōu)化稀疏矩陣;
　　(3)為了尋找用戶的鄰居集合，本文提出了一種基于二進(jìn)制循環(huán)指數(shù)的多重K-means協(xié)同過濾算

4、法來發(fā)掘目標(biāo)用戶的最近鄰居集合并為其進(jìn)行商品推薦服務(wù)。將提出的算法應(yīng)用在web商城推薦系統(tǒng)中，在個性化的推薦系統(tǒng)中優(yōu)化根據(jù)用戶個人喜好的推薦以及根據(jù)最近鄰居集合預(yù)測目標(biāo)用戶感興趣項(xiàng)的推薦模式;
　　(4)將改進(jìn)的加權(quán)關(guān)聯(lián)規(guī)則和優(yōu)化的協(xié)同過濾算法進(jìn)行有機(jī)的結(jié)合，本文設(shè)計出了一個推薦系統(tǒng)原型，并通過實(shí)驗(yàn)對此系統(tǒng)的性能效果進(jìn)行了分析。
　　實(shí)驗(yàn)結(jié)果表明:改進(jìn)后的關(guān)聯(lián)規(guī)在精確度上得到了提高;采用MapReduce技術(shù)挖掘用戶隱式信息