面向不平衡与稀疏数据的推荐算法研究

发布时间：2023-01-12 15:29

　　随着信息产业飞速发展,人们网上购物越来越多,信息过载问题随之产生,尤其是电商领域。推荐系统产生不仅可以提高用户购物体验,同时能够增加商家收益,达到双赢目的。针对用户基本数据中性别缺失严重并且带有性别标签的样本存在类别不平衡、评论等级数据稀疏以及相似性计算量过大等问题,本文对电商购物平台的用户行为数据进行分析,提出一种面向不平衡与稀疏数据的商品推荐模型。本文主要工作内容如下:1.针对电商平台用户基本数据中性别缺失严重、带有性别标签的样本存在类别不平衡等问题,本文提出一种SMOTE_RF的性别预测方法。该方法首先利用SMOTE算法处理性别标签样本不平衡的问题,得到性别标签平衡的数据;然后利用随机森林模型进行训练;最后利用训练好的模型对缺失性别标签的样本进行预测。通过采用不同的模型分别对原始数据、随机过采样均衡化处理的数据、SMOTE采样均衡化处理的数据进行实验对比,结果分析表明经过SMOTE采样后利用随机森林模型进行性别预测的F1值最高,说明本文提出方法的有效性。2.针对电商平台中用户-商品评论等级数据稀疏性的问题,本文提出一种动态交叉填充DCF方法。该方法首先将用户基... 

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

京东的排行榜模块图

今日头条的推荐板块图

整体框架图

【参考文献】：
期刊论文
[1]基于中间商品兴趣度加权的内容推荐算法[J]. 杨志平,徐骞,马铭.  北华大学学报(自然科学版). 2017(06)
[2]基于深度学习加强的混合推荐方法[J]. 张敏,丁弼原,马为之,谭云志,刘奕群,马少平.  清华大学学报(自然科学版). 2017(10)
[3]基于K-medoids项目聚类的协同过滤推荐算法[J]. 王永,万潇逸,陶娅芝,张璞.  重庆邮电大学学报(自然科学版). 2017(04)
[4]一种缓解互惠推荐系统中数据稀疏性的算法[J]. 殷方勇,王红,王吉华.  济南大学学报(自然科学版). 2017(01)
[5]基于机器学习的推荐模型的设计与研究[J]. 顾方婷.  信息通信. 2016(09)
[6]基于稀疏数据预处理的协同过滤推荐算法[J]. 陈宗言,颜俊.  计算机技术与发展. 2016(07)
[7]一种改进的K-means聚类的协同过滤算法[J]. 赵伟,林楠,韩英,张洪涛.  安徽大学学报(自然科学版). 2016(02)
[8]一种基于项目属性评分的协同过滤推荐算法[J]. 龚安,高云,高洪福.  计算机工程与科学. 2015(12)
[9]基于用户聚类的推荐算法[J]. 刘璟,李鹏,刘欣,王娅丹.  计算机应用与软件. 2015(10)
[10]一种缓解协同过滤算法数据稀疏性的方法[J]. 蔡雄峰,艾丽华,丁丁.  软件. 2015(03)

硕士论文
[1]基于降维技术和分布式计算的协同过滤可扩展性问题解决方案[D]. 王云凯.西南财经大学 2014
[2]混合协同过滤算法研究[D]. 刘宇轩.北京邮电大学 2013
[3]基于内容聚类的协同过滤推荐系统研究[D]. 葛润霞.山东师范大学 2008



本文编号：3730076