基于用户聚类的项目多内容协同过滤推荐

论文摘要

近年来,随着互联网的普及和电子商务的蓬勃发展,电子商务个性化推荐系统逐渐成为电子商务的一个重要研究内容,其中协同过滤推荐是应用的最为广泛的个性化推荐技术。但是,随着网上有效信息的数量和商品种类的急剧增长,对推荐系统提出了严峻的挑战,协同过滤推荐中存在的冷开始、稀疏性、实时性问题等亟待解决。协同过滤是目前最成功的一种推荐算法,它能够基于其他用户的观点帮助人们作出选择。但由于传统的协同过滤算法没有考虑项目多内容问题,存在项目多内容情况时推荐质量较差。为了解决该问题,本文在基于项目协同过滤、基于用户协同过滤及聚类算法的基础上,研究了冷开始、稀疏性和实时性问题,提出了一种组合推荐算法。算法先通过基于项目协同过滤得出项目的相似项目,利用相似项目的相似性预测用户对未评分项目的初始评分从而填充用户-项目评分矩阵,然后在相似项目的范围内利用聚类技术和基于用户的协同过滤算法预测目标用户对各未评分项目的最终评分并得出推荐列表。最后,进行实验设计和分析,结果表明,本文提出的基于用户聚类的项目多内容协同过滤推荐方法和传统的协同过滤推荐方法相比,能有效提高推荐的质量,更好的满足用户的需求。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 研究背景和意义
• 1.1.1 研究的背景
• 1.1.2 目的和意义
• 1.2 电子商务个性化推荐系统的国内外研究现状
• 1.3 电子商务个性化推荐系统面临的挑战
• 1.4 论文的研究内容
• 1.5 论文的结构及章节安排
• 第二章 电子商务推荐系统及推荐技术
• 2.1 电子商务推荐系统概述
• 2.1.1 电子商务推荐系统的研究内容
• 2.1.2 电子商务推荐系统的作用
• 2.1.3 电子商务推荐系统的分类
• 2.1.4 电子商务推荐系统的组成
• 2.2 电子商务推荐系统的相关技术
• 2.2.1 信息检索与信息过滤技术
• 2.2.2 数据仓库
• 2.2.3 数据挖掘
• 2.3 电子商务推荐系统采用的技术
• 2.3.1 推荐技术的比较分析
• 2.3.2 基于内容的推荐技术
• 2.3.3 协同过滤推荐技术
• 2.4 小结
• 第三章 基于用户聚类的项目多内容协同过滤算法
• 3.1 传统协同过滤算法中存在的问题
• 3.2 项目多内容问题的分析
• 3.3 聚类分析在协同过滤推荐算法中的应用
• 3.4 基于用户聚类的项目多内容算法的设计思想
• 3.5 算法设计
• 3.5.1 算法描述
• 3.5.2 算法步骤
• 3.6 算法说明
• 3.7 小结
• 第四章 实验设计和验证分析
• 4.1 实验数据
• 4.1.1 数据集介绍
• 4.1.2 数据集选取
• 4.2 实验设计
• 4.2.1 评估标准
• 4.2.2 实验过程
• 4.3 实验结果与分析
• 4.4 小结
• 第五章 总结与展望
• 5.1 本文的工作
• 5.2 进一步的工作
• 参考文献
• 攻读硕士学位期间发表的论文