文档介绍：摘要——用户评价密度口,和预测精度厦,通过参数的设定和遴选,在满足约束条件的评价随着网络技术的应用和普及、电子商务的迅猛发展,越来越多的信息充斥在网络之上。如何在众多的资源中找到适合自己需求的信息,成为众多学者、专家和网络用户火心的核心问题之一。推荐系统在这样的背景下应运而生。协同过滤技术足推荐系统钗:诵牡募际踔唬彩悄壳应用最为广泛和成功的技术。本文以推荐系统的协问过滤算法为研究目标,旨在解决协同过滤算法在应用中所遇剑的稀疏性问题、冷启动问题、用户的信任问题等关键问题。针对推荐系统的协同过滤算法,本文在以下几个方面作了相应的理论研究和应用工作:⒍阅壳巴萍鱿低车淖芴宸⒄菇辛俗凼觯有睦硌Ш腿现?蒲У慕嵌忍教至烁性概念的界定,试图从信息科学以外的角度探讨推荐系统构建是否可行及其意义;总结归类了现有的推荐技术,指出其各自的特点、适用范甾;在此基确上对推荐系统实现的体系结构和模块进行了概括,为进一步的应用工作提供理论指导;最后对协同过滤算法目前的研究进展进行总结、分类,指出存在的问题,为下一步的研究奠定理论⑻岢隽讼∈杈卣笙碌囊恢只谧罱诰悠兰鄣母慕男怂惴āJ紫韧ü余弦相似度计算公式,为目标用户选取最近邻尉集,然后根据每个最近邻屏对项目的评价与用户间的相似度,产生一个对项目的预测值,所有最近邻用户对项目的加权预测值就构成了一个虚拟的最近邻评价矩阵。由于这个矩阵体现了与目标评价在空问上的相似性,从而将目标评价的预测问题转化到一个最近邻评价矩阵上进行预测计算。和历史评价矩阵相比,虚拟最近邻评价矩阵不但规模比较小,而且包含了用户维上和项目维上对目标评价最有价值的信息。最后再根据虚拟的最近邻居评价矩阵,进行加权均值预测。实验表明,本文提出的针对稀疏矩阵的改进算法,在精度上优于传统算法,尤其在最近邻居个数较少的情况下,精度有较大提高。⑻岢龌谙钅抗丶试げ庥胄讼嘟岷系幕旌贤萍鏊惴ā7治隽嗽谙低持项目的内容信息不够丰富的情况下,如何应用基于项目关键词预测与协同过滤技术相结合的问题。首先把项目的关键词进行二进制代码表示,以达到对项目内容进行形式化描述的目的,然后通过算法,对用户的评价进行初步预测,得到用户的预测矩阵;为了确保用户评价矩阵在空间上同目标评价的相似性,构造了两个约束参数数据集上应用协同过滤算法。实验表明,加入约束条件的混合推荐算法远优于传统的大连理工大学博士学位沦文基础。
统中的两种信任模型——局部信任协同过滤算法以及没有任何约束条件的混合推荐算法。⑻岢隽税研湃我胄送萍鱿低车墓瓜耄菇艘恢只谛湃蔚男滤推荐算法,在对信任进行了形式化的定义和描述的基础上,构造了协同过滤推荐系和全局信任,并分别指出两种信任的区别,确定了各自的影响因素,通过这两种可计算的信任模型町以对系统巾的用户的信任程度进行不同范围内的度量:进而,提出了一种基于信任因子的协同过滤推荐算法,并通过实验验证了算法的有效性和优越性。最后的实验同样分析了两种信任的分布特性,通过与相似度的分布的对比,可以得出结论:在推荐系统中对用户信任的研究是有意义的,信任是同相似度小同的对最后的推荐产生影响的霞要因⒐菇嘶谑吕评的推荐系统框架模型。对基于事例的推理和协同过滤的推荐过程进行了比较,指出异同,进而把基于事例的推理的过程与推荐系统相结合,应用基于事例的推理过程更好地更新用户的档案,跟踪用户的兴趣变化,提高系统的学****能力。在框架模型中,本文对推荐系统的各部分作了充分的总结和说明,为今后的进一步理论和实践研究奠定基础,同时实现了一个以电影推荐为例的电影推荐系统。通过上述的研究工作,从一定程度上解决了推荐系统的协同过滤算法所遇到的稀疏性问题、冷启动问题、信任问题,从右欢ǔ潭壬贤贫怂惴ǖ睦砺垩芯亢陀用研究的进展。关键词:稀疏性;冷启动;信任;。
瓵大连理工大学博士学位论文甿甌琫,.:籫;;,...痳,.,...琲
猚—尼篠籆ぁ;籆·推拧系统的协同过滤算法与应用研究口,瓵痯甌,...,..——
夏垫垒大连理工大学学位论文版权使用苋ㄊ规定”,疽獯罅砉ご笱ПA舨⑾蚬矣谢鸩俊Ц昊顾偷嫖宦畚牡母慈認什和电了本学位论文作者及指导教师完全了解“人连邵喝搜й絠骸⒉┦垦宦畚陌嫒ㄊ褂版,允许论文被金阅和借阅。本人授权大连理一海貉Э梢琴学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、玉』蚩涪蟆#车复制手段保存和汇编学位论文。作者签名:导┟大连理工大学博士研究’宦傥
独创性说明作者郑重声明:本博士学位论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果,也不包含为获得大连理工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志对本研究