基于可信相似度传递的协同过滤算法研究与应用

论文摘要

随着互联网的持续发展,电子商务在近年来进入了高速增长期。电子商务产生的越来越多的产品信息也使得用户难以快速地找到自己喜欢的产品。同时,电子商务企业也面临着如何及时向用户提供其感兴趣的产品,来提高销售量的问题。推荐系统是解决此类“信息超载”问题的有效方法,而协同过滤技术是在推荐系统中应用最广泛,效果最好的技术之一。但是协同过滤技术也面临着数据稀疏,冷启动,扩展性等问题。在对电子商务推荐系统及常见推荐技术的优缺点进行了深入分析的基础上,针对协同过滤算法中的数据稀疏问题,提出了基于可信相似度传递的协同过滤算法。首先介绍了在传统的基于用户的协同过滤算法中进行用户信任建模的方法,然后提出了基于可信的相似度传递方法,并且将信任关系应用在预测用户对商品的评分过程中。实验证明,在评分数据稀疏的情况下,该算法较好地改进了基于用户的协同过滤算法的预测评分覆盖率和精确度。同时,将此算法运用在一个电子商务网站的推荐功能模块中,实现了商品的推荐功能,提高了顾客的满意度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及其意义
• 1.2 国内外研究现状
• 1.3 论文的主要工作和组织结构
• 第2章 电子商务推荐技术
• 2.1 电子商务推荐系统
• 2.2 电子商务推荐系统的模块划分
• 2.3 常用推荐技术
• 2.3.1 基于关联规则的推荐技术
• 2.3.2 基于内容的推荐技术
• 2.3.3 基于协同过滤的推荐技术
• 2.4 本章小结
• 第3章 基于可信相似度传递的协同过滤算法
• 3.1 基于可信相似度传递的协同过滤算法（TSPCF）的出发点
• 3.2 基于可信相似度传递的协同过滤算法（TSPCF）的整体框架
• 3.3 推荐系统中用户信任的建模及计算
• 3.3.1 信任及信用的概念及定义
• 3.3.2 推荐系统中用户信任的建模
• 3.3.3 推荐系统中用户信任的计算
• 3.4 TSPCF算法的具体步骤
• 3.4.1 相似度的计算
• 3.4.2 用户信任度的计算
• 3.4.3 可信的相似度传递
• 3.4.4 最近邻居集合的选取
• 3.4.5 预测评分
• 3.4.6 产生推荐列表
• 3.5 TSPCF算法扩展性问题的分析
• 3.6 本章小结
• 第4章 实验及分析
• 4.1 实验目标
• 4.2 实验数据集
• 4.3 评测标准
• 4.4 实验方案
• 4.5 实验结果及分析
• 4.6 本章小结
• 第5章 基于可信相似度传递的协同过滤算法的应用
• 5.1 系统概述
• 5.1.1 系统的总体架构
• 5.1.2 系统的功能模块
• 5.2 商品推荐模块的设计
• 5.3 推荐模块的运行界面
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 未来工作展望
• 参考文献
• 攻读硕士学位期间主要的研究成果
• 致谢