基于二分图的聚类推荐算法研究

发布时间：2017-05-06 20:06

  本文关键词：基于二分图的聚类推荐算法研究，由笔耕文化传播整理发布。

【摘要】：随着信息技术的发展和互联网规模的不断扩大，信息过载的问题日益凸显。门户网站和搜索引擎的出现在一定程度上缓解了这个问题，但这些工具所返回的信息都是大众化的，无法满足用户的个性化需求。在这个背景下，个性化的推荐系统就应运而生了。和搜索引擎一样，推荐系统也是一种信息过滤的工具。它能根据用户的背景信息和特定行为，通过推荐算法对其做个性化推荐。不同用户所得到的结果均是与自身背景和行为比较相关的，从而有效的满足了用户的个性化需求。 如今推荐系统已被广泛应用于各个领域之中，其中应用的最广泛的是协同过滤推荐系统。但其仍存在着数据稀疏、“冷启动”、算法可扩展性差等问题。近年来有一些学者把聚类算法引入推荐系统之中，通过聚类有效的减小了数据的规模，，提高了算法的可扩展性和推荐精确度。但其只是简单的组合了聚类算法和协同过滤算法，没有深入的挖掘聚类与推荐之间的关系。 针对传统聚类推荐算法的不足，本文主要做了以下的研究工作： (1)本文结合了二分图映射和用户评分信息，提出了一种带权的映射方法。通过把用户-项目二分图映射到只包含项目顶点的图中，在压缩二分图的同时减少了映射过程中信息的损失，改进了相似度矩阵的计算公式。 (2)结合了聚类算法，对项目做聚类，挖掘出内在相似的项目并减小项目空间。传统的项目聚类算法是从项目的角度出发，选择与项目相关的项目类来达到缩小项目空间的效果。本文则从用户的角度出发，缩小项目空间并减少用户兴趣的漂移，从而提高了准确率。 (3)本文充分考虑了用户的兴趣偏好信息，深入挖掘用户对每个项目类的兴趣度以及物品在类内的权重关系，提出了一种新的推荐权值的计算方法。
【关键词】：推荐算法 项目聚类 二分图映射 用户兴趣
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-10
• 第一章 绪论10-15
• 1.1 本文研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.3 本文的主要工作13-14
• 1.4 本文的组织架构14-15
• 第二章 推荐算法及其相关理论15-34
• 2.1 推荐算法概述15-18
• 2.2 基于协同过滤的推荐算法18-24
• 2.2.1 基于用户的协同过滤推荐18-21
• 2.2.2 基于项目的协同过滤推荐21-24
• 2.3 基于聚类的推荐算法24-28
• 2.3.1 聚类算法概述24-26
• 2.3.2 基于聚类的推荐算法26-28
• 2.4 基于图的推荐算法28-33
• 2.4.1 评分数据的二分图表示及映射28-30
• 2.4.2 ItemRank 算法30-33
• 2.5 本章小结33-34
• 第三章 基于二分图的项目聚类推荐算法34-46
• 3.1 项目相似度计算34-38
• 3.2 推荐权值计算38-43
• 3.2.1 用户对项目类的偏好度38-41
• 3.2.2 项目的类内权重及项目的推荐权值41-43
• 3.3 基于二分图的项目聚类推荐算法43-45
• 3.3.1 算法思想43
• 3.3.2 算法描述43-45
• 3.4 本章小结45-46
• 第四章 实验设计与结果分析46-60
• 4.1 数据集介绍46-47
• 4.2 评测指标介绍与选择47-51
• 4.3 实验环境与说明51-52
• 4.4 实验设计与分析52-59
• 4.4.1 项目空间阈值调优52-55
• 4.4.2 聚类数目的影响55-57
• 4.4.3 不同算法对比评测57-59
• 4.5 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 本文总结60-61
• 5.2 下一步工作61-62
• 参考文献62-67
• 攻读博士/硕士学位期间取得的研究成果67-68
• 致谢68-69
• 附件69

【参考文献】

中国期刊全文数据库 前5条

1 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期

2 张新猛;蒋盛益;;基于加权二部图的个性化推荐算法[J];计算机应用;2012年03期

3 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

4 王茜;段双艳;;一种改进的基于二部图网络结构的推荐算法[J];计算机应用研究;2013年03期

5 邓爱林,左子叶,朱扬勇;基于项目聚类的协同过滤推荐算法[J];小型微型计算机系统;2004年09期

  本文关键词：基于二分图的聚类推荐算法研究，由笔耕文化传播整理发布。

本文编号：349047