發(fā)布時(shí)間：2020-12-14 20:03

　　隨著互聯(lián)網(wǎng)的高速發(fā)展,信息呈現(xiàn)指數(shù)級(jí)的增長(zhǎng),給用戶造成信息過載的困擾,使用戶很難獲取所想要的信息。在這種情況下,個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。個(gè)性化推薦技術(shù)主要對(duì)資源進(jìn)行高效合理的分配,讓用戶能夠快速的從大量的信息中獲取自己想要的信息。作為個(gè)性化推薦技術(shù)中作為廣泛應(yīng)用的協(xié)同過濾推薦技術(shù),雖然在實(shí)際應(yīng)用中獲得了很大的成功,但依然面臨著很多技術(shù)上難題。本文首先介紹推薦系統(tǒng)的理論知識(shí)和經(jīng)典的推薦算法,然后著重研究了主成分分析和K-means聚類算法與協(xié)同過濾算法的結(jié)合,最后通過實(shí)驗(yàn)分析說明改進(jìn)算法的有效性。本文主要工作如下:1.首先從用戶行為數(shù)據(jù)的時(shí)間效應(yīng)出發(fā)對(duì)推薦算法展開研究,分析用戶的興趣不是一層不變的,而是隨著時(shí)間變化而變化。針對(duì)這個(gè)不足,引入時(shí)間遺忘函數(shù)改進(jìn)算法。同時(shí)也分析了熱門物品對(duì)用戶相似度計(jì)算的影響,引入懲罰因子以降低熱門物品對(duì)用戶相似度的影響。最后通過實(shí)驗(yàn),說明加入時(shí)間遺忘函數(shù)和懲罰因子改進(jìn)后的算法在預(yù)測(cè)評(píng)分準(zhǔn)確度指標(biāo)下更有效。2.針對(duì)傳統(tǒng)協(xié)同過濾算法對(duì)高緯數(shù)據(jù)計(jì)算導(dǎo)致的內(nèi)存消耗和時(shí)間瓶頸的問題,提出了基于PCA和K-means聚類算法的混合推薦算法,通過對(duì)用戶評(píng)分矩陣降維后,大大... 

【文章來源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：37 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率

圖 1-2 中國(guó)網(wǎng)站數(shù)量的增長(zhǎng)圖對(duì)于如何處理這些信息過載的問題，互聯(lián)網(wǎng)搜索引擎雖然可以在一定的程度上解決大的信息搜索問題，但是，沒法從大量信息數(shù)據(jù)中挖掘用戶潛在的感興趣的物品，同時(shí)大的信息存在其中必然會(huì)存在用戶并不想要的冗余信息。在這個(gè)互聯(lián)網(wǎng)信息大爆炸的時(shí)代，個(gè)性化推薦系統(tǒng)的研究成為當(dāng)下的一個(gè)大熱點(diǎn)。個(gè)性化推薦系統(tǒng)是建立在大規(guī)模數(shù)據(jù)挖掘基礎(chǔ)上的一種高級(jí)商務(wù)智能平臺(tái)，主要功能顧客提供個(gè)性化的信息服務(wù)和決策支持。一般認(rèn)為個(gè)性化推薦系統(tǒng)最早出現(xiàn)是在 1994明尼蘇達(dá)大學(xué)，GroupLens 研究組推出的 GroupLens 系統(tǒng)。隨后麻省理工的 Henryieberman 提出個(gè)性化導(dǎo)航體 Letzia；雅虎在 1996 年推出個(gè)性化的入口我的雅虎；Amazon 1998 年最早把推薦系統(tǒng)應(yīng)用于商業(yè)；德國(guó) Dresden 的 Tanja Joerding 于 1999 年開發(fā)出個(gè)化電子商務(wù)系統(tǒng) TELLIM；IBM 在 WebSphere 開發(fā)了個(gè)性化功能；谷歌公司于 2003 年其廣告業(yè)務(wù)中增加了個(gè)性化推薦功能；2006 年，網(wǎng)飛公司開始舉辦推薦算法大賽，這項(xiàng)事為推薦系統(tǒng)的研究做出了廣泛的推廣。此后，推薦系統(tǒng)得到了廣泛的應(yīng)用，例如：商業(yè)銷售、視頻點(diǎn)播、社交網(wǎng)絡(luò)等方面。

圖 1-3 亞馬遜推薦列表除 Amazon 外，國(guó)內(nèi)的兩個(gè)巨無霸的電子商務(wù)公司阿里巴巴和京東商城，同樣在推統(tǒng)方面投入了大量的研發(fā)資金，不斷升級(jí)推薦系統(tǒng)，以滿足大數(shù)據(jù)下用戶的需求，提戶的購(gòu)物體驗(yàn)，據(jù)京東公司統(tǒng)計(jì)，該系統(tǒng)為京東大約貢獻(xiàn)了百分十幾的訂單量。在是頻方面，從最近幾款爆火的幾款短視頻 app，抖音、快手、火山小視頻等等，在這幾視頻 app 火爆的背后，個(gè)性化推薦系統(tǒng)有著推波助瀾的作用，帶來了巨大的流量。幾有的視頻的網(wǎng)站都內(nèi)置了推薦模塊，如優(yōu)酷的《猜你喜歡》欄目、愛奇藝的《我的愛》欄目、騰訊視頻的《為你精選》欄目，這些欄目都是推薦系統(tǒng)的應(yīng)用。國(guó)外的 Ne一家電影視頻公司，它通過用戶對(duì)電影的評(píng)分，對(duì)用戶進(jìn)行分類，從而產(chǎn)生個(gè)性化推薦社交網(wǎng)絡(luò)方面，推薦系統(tǒng)主用應(yīng)用于給用戶推薦好友、新聞廣告消息流等推薦以及用能喜歡的物品推薦這三個(gè)方面，從以前的人人網(wǎng)到現(xiàn)在的新浪微博、騰訊微信、國(guó)外cebook、Twitter 等都內(nèi)置了個(gè)性化推薦系統(tǒng)模塊，來提升用戶的滿意度、用戶的黏性高公司的變現(xiàn)的能力。Facebook 是一家非常有名的社交網(wǎng)絡(luò)公司，它利用用戶們的偏息和他們的社交網(wǎng)絡(luò)關(guān)系，開發(fā)出一款 INSTANT PERSONALIZATION 工具，向用戶

【參考文獻(xiàn)】：
期刊論文
[1]一種基于多元社交信任的協(xié)同過濾推薦算法[J]. 王瑞琴,蔣云良,李一嘯,樓俊鋼.  計(jì)算機(jī)研究與發(fā)展. 2016(06)
[2]基于Mahout的新用戶推薦算法的設(shè)計(jì)與實(shí)現(xiàn)[J]. 高獻(xiàn)衛(wèi),師智斌.  計(jì)算機(jī)工程與科學(xué). 2015(08)
[3]在推薦系統(tǒng)中利用時(shí)間因素的方法[J]. 范家兵,王鵬,周渭博,燕京京.  計(jì)算機(jī)應(yīng)用. 2015(05)
[4]時(shí)間窗口對(duì)個(gè)性化推薦算法的影響研究[J]. 宋文君,郭強(qiáng),劉建國(guó).  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2015(01)
[5]基于分塊奇異值分解的兩級(jí)圖像去噪算法[J]. 劉涵,梁莉莉,黃令帥.  自動(dòng)化學(xué)報(bào). 2015(02)
[6]基于Hadoop的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 李文海,許舒人.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(01)
[7]三部圖張量分解標(biāo)簽推薦算法[J]. 廖志芳,李玲,劉麗敏,李永周.  計(jì)算機(jī)學(xué)報(bào). 2012(12)
[8]基于KNN-SVM的混合協(xié)同過濾推薦算法[J]. 呂成戍,王維國(guó),丁永健.  計(jì)算機(jī)應(yīng)用研究. 2012(05)
[9]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[10]矩陣奇異值分解及其在高維數(shù)據(jù)處理中的應(yīng)用[J]. 尹芳黎,楊雁瑩,王傳棟,王士鵬.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2011(15)

碩士論文
[1]基于Hadoop平臺(tái)和Mahout框架的推薦系統(tǒng)研究與實(shí)現(xiàn)[D]. 潘燕紅.浙江大學(xué) 2015
[2]基于Mahout的推薦系統(tǒng)的研究與實(shí)現(xiàn)[D]. 馬寧.蘭州大學(xué) 2013



本文編號(hào)：2916945