文档介绍：基于协同过滤的个性化物品推荐
佟琳巧
2016 年 1 月
中图分类号：
UDC 分类号：540
基于协同过滤的个性化物品推荐
作 者 姓 名 佟琳巧
学 院 名 称 计算机学院
指 导 教 师 李建武 副教授
答辩委员会主席 陆耀 教授
申 请 学 位 工学硕士
学 科 专 业 计算机科学与技术
学位授予单位 北京理工大学
论文答辩日期 2016 年 1 月
Personal Recommendation
Based on Collaborative Filtering
Candidate Name: Linqiao Tong
School or Department: School of Computer Science
Faculty Mentor: Prof. Jianwu Li
Chair, Thesis Committee: Prof. Yao Lu
Degree Applied: Master of Engineering
Major: Computer Science and Technology
Degree by: Beijing Institute of Technology
The Date of Defence: January, 2016
研究成果声明
本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行
的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，
学位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
北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工
作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的
说明并表示了谢意。
特此申明。
签 名： 日期：
北京理工大学硕士学位论文
摘要
随着网络的发展，我们进入了一个信息爆炸的时代。用户很难从海量的信息中迅
速准确地找出自己真正想要的内容。推荐系统在用户和信息之间搭建了一个桥梁，能
够发掘用户的潜在兴趣点并推荐给用户，降低了用户搜寻信息的成本。因此，推荐系
统受到普遍的关注和应用。其中，协同过滤推荐算法应用范围最为广泛。但是仍然存
在评分数据稀疏、扩展性差、推荐正确率低等问题。
为了克服协同过滤中评分稀疏、正确率低的问题，可以将推荐系统中用户和物品
看作是抽象于内容的独立节点，构建用户、物品二部图网络，在二部图网络的基础上
利用二部图模块函数优化的方法进行社区发现，从而将有内在联系的用户和物品聚类
在一起，在此基础上进行个性化推荐。因此，本文给出了基于社区的协同过滤推荐算
法，算法可以分为三个步骤：数据表述、相似性计算、推荐生成。在数据表述阶段，
将传统的用户-物品评分矩阵转化为二部图结构；然后将二部图看做网络拓扑图，在该
网络上利用二部图模块函数优化的方法