文档介绍：ADissertation puter technology The Study ofPersonalized mendation Algorithm Based onSumming the PartialUtilitiesofAttributes Candidate: Supervisor: Chen Longfei WU puter Science and Engineering School AnHui University ofScience and Technology ,Shungeng Road,Huainan,23200 1, 万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方以外, 论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得安徽理工大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:窿篮乙日期:Ⅻ年』6月4日学位论文版权使用授权书本学位论文作者完全了解安徽理工大学有保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于安徽理工大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权安徽理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书) 学位论文作者签名:阵7i舀签字日期:2。心年J占月。泪导师签名: .签-y-曰期:厶肝名月够日万方数据摘要手两要随着互联网技术的普及以及智能移动终端的快速发展,在丰富着人们生活的同时,也给人们对信息的处理能力带来了很大的挑战。如何能够在海量的数据信息中,快速的挖掘出用户所需的信息,是信息过载的互联网时代迫切需要解决的问题。目前针对信息过载的处理方式是根据用户在互联网中产生的数据进行挖掘, 对用户可能感兴趣的信息进行推荐,即个性化推荐系统。现阶段推荐系统常用的推荐算法主要是基于内容的推荐算法,协同过滤推荐算法,以及两者同时使用的联合推荐算法。为了提高推荐系统的准确率,很多学者将研究重心放在对推荐算法的改进上。然而现阶段的所有推荐算法在面临推荐系统矩阵稀疏和冷启动问题上都显得无能为力。引起矩阵稀疏和冷启动问题的根本原因是,推荐系统所需的数据源信息不足。增加数据源最有效方式是增加用户的反馈信息,但这势必会引起用户对推荐系统的反感。如何能在不改变用户反馈信息工作量的前提下,提高推荐系统准确率是现阶段推荐算法的研究重点。作者通过对现有的推荐系统进行分析,认为造成推荐系统矩阵稀疏的原因,除了用户商品评分矩阵数据缺失以外,评分矩阵粒度较大也是一个重要因素。而作者在参考了经济学领域的相关文献后,发现商品的价值是由商品固有属性价值的线性叠加而得出,而用户对商品的评分则主要是基于对商品某些属性的综合评分。因此作者认为可以根据商品知识对商品进行属性划分, 并且将传统的用户商品评分矩阵转化为用户商品属性的评分矩阵。作者在理论上证明了此种矩阵转化方法的合理性,继而通过互联网数据验证了这一方法,最后作者基于此矩阵提出一种基于商品属性叠加的推荐算法,并从实验数据上证实评分矩阵通过细化推荐系统矩阵细度,在一定程度上解决推荐系统矩阵稀疏问题, 并且提高了推荐系统的准确率。图4表7参48 关键字:信息过载;商品属性;矩阵稀疏;推荐算法分类号: 万方数据摘要 Abstract With thepopularity ofIntemet technology and therapiddevelopment ofsmartmo biledevices,although itmakes people’S livesrich and colorful,it hasbrought US gre atchallenge to deal with these to quickly obtain useful resource that isneeded tocustomers from the huge information is a crucial problem atprese nt inthe era withinformation overload problem. For now,the approach forinformation overload ismining databased on the user generated data on ,and mend theinformation that users