基于相关度和关联属性偏好的个性化推荐算法研究

个性化推荐算法，能根据阅读历史推荐相关书籍。 #生活乐趣# #阅读乐趣# #电子阅读的乐趣#

基于相关度和关联属性偏好的个性化推荐算法研究

【摘要】： 互联网发展已产生大量的可用的信息并且让消费者有诸多选择。个性化推荐系统的帮助用户从大量信息中挑选感兴趣的信息。利用用户对资源的评价来计算用户之间的相似性,然后利用相似用户对资源的评价来预测当前用户对资源的喜好程度。在现实生活中,人们经常会根据身边的人的推荐选择商品或电影。基于这一思想,协同过滤被用于网络信息服务中,利用有相似爱好的邻居对某一项的评价对目标作推荐。目前协同过滤算法已广泛应用在书籍、电影、音乐等各种网上推荐系统。Group lens、Ringo Amazon等用的都是此类推荐。本文先利用基于协同的方法,从评分的角度做了两点改进。首先,随着用户数量增多,传统推荐算法复杂度变大,推荐实时性受到严重影响。因此我们采用云模型思想,先找出与目标用户云特征相似用户,减少了邻居的搜索范围,提高了推荐效率。其次,传统算法中,评分数据的稀疏,共同评分项数目的稀少使用户间相似性计算缺乏可信性。针对此问题,提出相关度的概念,在找邻居之前,先找到与目标有一定数量的共同评分项的用户,再次缩小了搜索范围。从而保证了用户间一定的相关性,使求得的用户间相似性具备更高的可信性。实验结果表明,该方法不仅提高了推荐效率,同时具有较高的推荐精度。其次,利用基于内容的方法,从用户偏好角度对传统方法做了两点改进。首先,传统方法定性的分析用户偏好。对此,我们做了改进,将用户评价过的电影按评分更具体的分类,作为用户的偏好模型。根据待测项属性利用贝叶斯概率计算其在各类的隶属,结合各类对应评分,定量的分析用户对项目的偏好。其次,传统方法将项目属性做独立研究,分析用户是否喜欢该属性,而现实中人对项目属性的喜爱存在一定关联性,如用户喜欢同时具有科幻和爱情属性的电影。基于此我们研究了用户对两属性的偏好,以此预测关联属性偏好(AP)评分。考虑影响用户评分的多因素性,单纯依靠偏好较难准确预测真实评分。我们同时考虑了共众评分的影响,将关AP评分和公众评分加权预测最终评分。

【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2011

精品图书 安睡有方：失眠防治一本通《安睡有方——失眠防治一本通》通过有趣的语言来向读者介绍睡眠的方方面面，如睡眠的常识、做梦的一些小知识，并告诉读者失眠是什么、哪些原因可以导致失眠、怎样面对失眠问题等，希望能对被睡眠问题困扰的读者有所帮助。更多 >

网址：基于相关度和关联属性偏好的个性化推荐算法研究 https://www.yuejiaxmz.com/news/view/538454

相关内容

基于页面聚类的个性化推荐算法研究
融合隐式信任与属性偏好的群组推荐算法
基于协作过滤算法的电子商务个性化推荐系统的研究
旅行服务平台个性化推荐算法研究
基于用户评价的个性化饮食推荐方法研究
个性化推荐系统，必须关注的五大研究热点
基于项目和消费者偏好视角的个性化推荐服务研究.pdf
【转】个性化推荐系统，必须关注的五大研究热点
基于社交网络数据个性化推荐研究.doc
个性化推荐算法优化技术研究与应用推广方案.doc

随便看看