基于组合相似度和用户特征聚类的协同过滤推荐算法研究

发布时间：2024-04-13 06:48

　　21世纪以来,互联网技术和电子商务快速发展,各种网络数据都呈现出指数级的增长趋势,过量信息呈现的同时使得用户无法快速获取对自己有用的部分。由于信息过量现象的存在,推荐技术得以发展并用于缓解上述情况。目前,在众多个性化推荐技术中,协同过滤推荐算法被广泛应用。但随着推荐系统规模的不断扩大,当前的协同过滤推荐算法依然存在着如数据稀疏性、冷启动、扩展性和实时性等问题。针对协同过滤推荐算法中存在的上述问题,本文提出了一种结合组合相似度模型与用户特征聚类的改进的协同过滤推荐算法,首先在相似度计算方面,结合改进的用户评分相似性和用户项目类别偏好相似性,提出了一种新的综合用户相似度计算模型;然后再引入K-means聚类算法,通过该算法基于用户特征对用户聚类,将目标用户划分到恰当的簇中;最后基于以上改进的相似度计算模型和聚类结果对目标用户进行评分预测和项目推荐。为了验证改进算法的优越性,在MovieLens数据集上与其它改进的协同过滤推荐算法进行对比,实验结果表明文中改进算法的预测准确度最优,可有效缓解因数据稀疏性导致的相似性度量不准确的问题,还在一定程度上提高了推荐算法实时性和可扩展性。

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图1-1亚马逊图书最近查看商品推荐

北方民族大学2018届硕士学位论文第一章绪论对物品的倾向类型[4,9,10]。虽然关于该算法的研究已卓有成效，但仍存在许多问题亟待解决，如数据稀疏、冷启动、相似度计算不准确、可扩展性及实时效果差等问题，如果能通过对协同过滤推荐算法的改进在一定程度上缓解上述问题，不仅能够给....

图1-2亚马逊图书购物车推荐

如图1-1、图1-2所示，并且取得了不错的效果[6,7]，例如成功应用个性化推荐技术的电商网站亚马逊，其商品销售总量至少有35%来自于推荐算法的推荐[3]，该数据是亚马逊的前科学家GregLinden在其离职期间的相关记录。与传统的商务模式相比，推荐技术的引入不仅可以使....

图2-1推荐系统模型

图2-1推荐系统模型2.1.2推荐系统划分从不同的分类角度，推荐系统可以分为不同的类型：1）根据推荐对象的不同，可以分以网页和商品为对象两种推荐系统。如常见的搜索引擎百度、谷歌等都是以网页为推荐对象的推荐系统，主要是根据用户以往的浏览记录、历史网页的搜索等发掘用户偏好领域，....

图3-4K-means算法流程图

-21-图3-4K-means算法流程图算法中常用的距离计算方法何衡量两个数据对象间的相似度，距离是在聚类分数据对象间的距离越小，对象间的相似度就越大。对象看作M维的一个数据点，那么对于任意，Tx(x,x,,x)jjjjm12它们之间距离d的常用表

本文编号：3952642