基于二部图资源分配的推荐系统研究

论文摘要

互联网的发展与科技的进步给人们生活带来了极大便利,但同时也带来了信息过载的问题。当前解决信息过载的手段主要是个性化推荐系统技术。其中,协同过滤推荐技术自其提出之日起就始终是人们研究的重点。为提高推荐系统的推荐准确性,许多学者通过引入新的影响因素或创新推荐模型来优化推荐系统。近年来,越来越多的学者借助于二部图理论对协同过滤模型进行优化。本文在二部图理论和协同过滤思想之上,进一步加入资源二次分配理论,构建了准确度较高的物品相似矩阵,进一步优化了协同过滤推荐技术。通过Movielens数据集的验证可知,改进后的推荐模型能够明显提高推荐准确率。本文的主要研究成果如下:（1）构建了低维度、高准确性的物品-分类模型。基于奇异值分解理论,将原始评分矩阵转化为物品在各个维度上的评分矩阵,每个维度可被视为物品的一个潜在分类。然后通过控制变量法对物品的潜在分类数进行了优化。通过对优化后的物品-分类矩阵进行分析可知,该分类结果是合理的,可以作为构建物品-分类二部图的基础。（2）构建了准确度较高的物品相似矩阵,优化了协同过滤算法。将所构建的物品-分类矩阵映射为物品-分类二部图,然后将物品对分类的评分转换为二部图中边的权重,从而构建了加权二部图。基于该加权二部图,通过资源二次分配理论构建了物品相似矩阵。将物品相似矩阵与基于物的协同过滤算法相结合,有效的优化了协同过滤算法。

论文目录

摘要

abstract

第一章绪论

1.1 研究背景和意义

1.2 国内外研究综述

1.2.1 国外研究进展

1.2.2 国内研究进展

1.3 研究内容和方法

1.3.1 研究内容

1.3.2 研究方法与技术路线图

1.4 创新点

第二章相关理论基础

2.1 二部图相关理论及二部图推荐算法梳理

2.1.1 二部图基本理论

2.1.2 二部图常用算法

2.2 协同过滤推荐算法分析

2.2.1 协同过滤推荐系统基本概念

2.2.2 基于用户的协同过滤算法建模

2.2.3 基于物品的协同过滤算法建模

2.3 资源二次分配理论分析

2.3.1 基于二部图的资源分配理论分析

2.3.2 基于二部图的资源二次分配过程分析

2.4 奇异值分解理论分析

2.4.1 奇异值分解基本理论

2.4.2 奇异值分解的应用

2.5 本章小结

第三章基于二部图的协同过滤算法建模

3.1 建模过程

3.2 网络关系建模

3.2.1 基于奇异值分解的物品-分类模型构建

3.2.2 物品-分类二部图构建

3.3 基于资源二次分配的协同过滤算法

3.3.1 基于资源二次分配的相似矩阵构建

3.3.2 基于改进相似矩阵的协同过滤算法

3.3.3 算法复杂度分析

3.4 推荐系统评测指标的分析与选择

3.4.1 基于误差的评测指标分析

3.4.2 基于混淆矩阵的评测指标分析

3.5 本章小结

第四章模型验证和结果分析

4.1 Movielens数据集介绍及预处理

4.2 筛选后的数据集分析

4.2.1 评分数据的频数频率分析

4.2.2 用户-电影评分矩阵热力图分析

4.3 推荐系统模型参数优化

4.3.1 物品分类数的优化和选择

4.3.2 最优近邻数的选择

4.3.3 物品-分类矩阵的合理性分析

4.3.4 相似矩阵的合理性分析

4.4 推荐结果分析与比较

4.4.1 推荐结果分析

4.4.2 topN推荐指标分析

4.4.3 评分预测指标分析

4.5 实践应用建议

4.6 本章小结

第五章结论及展望

5.1 研究结论

5.2 研究展望

参考文献

致谢

附录A

附录B

文章来源

类型: 硕士论文

作者: 英玉超

导师: 蔡永明

关键词: 推荐系统,协同过滤,二部图,资源的二次分配

来源: 济南大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 济南大学

分类号: TP391.3;O157.5

DOI: 10.27166/d.cnki.gsdcc.2019.000068

总页数: 71

文件大小: 2893K

下载量: 84

基于二部图资源分配的推荐系统研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢