首页> 中文学位 >非负矩阵分解与聚类方法在个性化推荐系统中的应用研究
【6h】

非负矩阵分解与聚类方法在个性化推荐系统中的应用研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

主要符号说明

第一章 绪论

1.1 引言

1.2 国内外研究现状

1.3本文研究内容及意义

1.4本文框架

1.5本章小结

第二章 电子商务个性化推荐系统及相关技术

2.1 电子商务

2.2 电子商务推荐系统

2.3 电子商务个性化推荐系统技术

2.4 本章小结

第三章 协同过滤推荐算法在电子商务中的应用研究

3.1 协同过滤的基本原理及其分类

3.2 协同过滤算法

3.3 传统的协同过滤推荐算法中存在的问题

3.4 本章小结

第四章 基于非负矩阵分解及聚类算法的组合推荐系统

4.1 组合推荐技术

4.2 改进的协同过滤组合推荐系统

4.3 相关技术

4.4 基于NMF与K-means聚类的组合推荐算法

4.5 算法说明

4.6 本章小结

第五章 实验分析

5.1 实验数据及环境

5.2 实验度量的标准

5.3 实验比对及讨论

5.4 实验结论

5.5 本章小结

第六章 全文总结及其展望

6.1全文总结

6.2工作展望

参考文献

个人简历 在读期间发表的学术论文

致谢

展开▼

摘要

随着Internet的普及,电子商务也成为当下的主流,每天Internet上的信息更新量呈指数级增长,导致出现“信息过载”的现象,浩瀚的信息中有99%的信息是用户不需要的。用户难以在海量的信息中快速找到自己所需的产品,因此,个性化推荐系统随之产生,其中协同过滤推荐技术又是个性化推荐系统研究热点之一。然而,这在实际运用过程中,仍然存在着诸多问题亟待解决,譬如:用户对商品评价数据的稀疏性问题;随着用户和项目数的增多,推荐系统的性能将会随之降低等。本文针对当前存在的这些问题,将对传统的协同过滤推荐算法进行改进。
  本文的主要研究工作如下:
  (1).阐述了当前推荐技术在国内外的研究进展,对推荐系统的分类、结构及技术难点作了比较深入的讨论,在这基础之上,对推荐系统中协同过滤技术进行了重点研究。
  (2).详细的分析协同过滤技术中基于用户的协同过滤(User-basedCF)和基于项目的协同过滤技术(Item-basedCF)的适用环境及潜在的问题,如协同过滤推荐算法中存在的数据稀疏性问题等,并提出使用非负矩阵分解技术来解决,取得了较好的效果。
  (3).针对传统协同过滤技术中存在的数据稀疏性和扩展性问题,本文提出了利用非负矩阵分解技术对用户和项目评分矩阵进行规范、简化和降维处理,提出了以聚类算法进行划分不同用户类型,并将聚类划分用户结果作为最近邻居,最后通过协同过滤算法进行预测评分,产生推荐。
  (4).通过使用MovieLens站点数据进行模拟比对实验,验证了本文所提出方法的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号