基于二部图网络结构的推荐算法研究

论文摘要

海量数据的产生带来了信息过载的问题。推荐算法能帮助人们从大量数据中发现自己感兴趣的信息,是缓解这一问题的有效方法。推荐多样性是衡量推荐质量的一个重要指标,而众多推荐系统存在只注重提高推荐准确性而忽略推荐多样性的问题。因此,研究出用户满意且多样性好的推荐算法具有重大意义。基于二部图网络结构的推荐算法具有准确性好、不受项目类型限制等优点,被利用在众多推荐系统中,但存在偏向热门推荐而多样性表现不好的问题。本文对该算法领域进行了深入研究,并在多样性方面对基于二部图的随机游走推荐算法加以改进,做了如下工作。首先,针对基于二部图网络结构的推荐算法多样性不足的问题,提出了融合偏好度与二部图网络结构的推荐算法。该算法用偏好度修正用户-项目二部图边的权重,在新的二部图上随机游走得出基于用户-项目的推荐列表;预测用户对标签评分,根据用户喜好标签提取间接关联项目得到基于用户-标签的推荐列表;将前面两个不同方法得到的列表进行模型融合得到最终推荐列表。本算法利用偏好度修正评分降低热门项目的推荐概率和提高冷门项目的推荐概率,再充分利用标签数据,从不同维度进行推荐,得到符合用户个性化兴趣且多样性好的项目推荐列表。在MovieLens数据集上进行实验,实验证明,本算法在不损失准确率和召回率的前提下有效提高了推荐的多样性。其次,针对网络中很多推荐系统包含评论数据且评论数据含有很多有用信息的情况,利用评论数据改进了上述融合偏好度与二部图网络结构的推荐算法,提出了融合评论主题与二部图网络结构的推荐算法。该算法使用主题情感混合模型挖掘用户-项目-情感主题概率分布与项目特征主题;利用主题评分模型计算用户对主题的评分从而找出用户喜好主题,通过这些主题得到基于用户-主题的推荐列表;将基于用户-项目的推荐列表与基于用户-主题的推荐列表模型融合得出最终推荐列表。在豆瓣电影评论数据集上进行实验,实验表明,本算法在准确率、召回率和多样性上均有所提高。

论文目录

文章来源

类型: 硕士论文

作者: 黄继婷

导师: 陈平华,李锐

关键词: 推荐算法,二部图网络结构,多样性,偏好度,主题情感混合模型

来源: 广东工业大学

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: 广东工业大学

分类号: TP391.3;O157.5

DOI: 10.27029/d.cnki.ggdgu.2019.001123

总页数: 68

文件大小: 1985K

下载量: 69

相关论文文献

• [1].基于在线评论的混合推荐算法[J]. 系统工程 2019(06)
• [2].基于校企合作的情景感知推荐算法研究[J]. 海峡科技与产业 2019(06)
• [3].融合时序的决策树推荐算法研究[J]. 现代计算机 2019(34)
• [4].算法实践中的多义与转义：以新闻推荐算法为例[J]. 新闻大学 2019(12)
• [5].教程推荐算法研究[J]. 信息与电脑(理论版) 2019(24)
• [6].基于社交网络学习推荐算法的应用研究[J]. 信息系统工程 2019(12)
• [7].垂直学习社区基于学习兴趣与风格的社会化推荐算法[J]. 小型微型计算机系统 2020(01)
• [8].融合层次聚类和粒子群优化的鲁棒推荐算法[J]. 小型微型计算机系统 2020(01)
• [9].智能推荐算法安全风险研究[J]. 广东通信技术 2019(07)
• [10].基于门控循环单元与主动学习的协同过滤推荐算法[J]. 山东大学学报(工学版) 2020(01)
• [11].电影智能推荐算法的潜在文化影响[J]. 电影艺术 2020(01)
• [12].基于聚类和用户偏好的协同过滤推荐算法[J]. 计算机工程与应用 2020(03)
• [13].基于会话的推荐算法研究综述[J]. 现代计算机 2019(36)
• [14].基于兴趣点的多维度推荐算法研究[J]. 电脑知识与技术 2020(04)
• [15].一种基于层次分析的多维属性混合推荐算法[J]. 渤海大学学报(自然科学版) 2019(04)
• [16].一种时间加权的网络结构推荐算法[J]. 哈尔滨理工大学学报 2019(06)
• [17].基于协同过滤的改进课程推荐算法[J]. 科技传播 2020(05)
• [18].一种融合知识图谱与长短期偏好的下一项推荐算法[J]. 小型微型计算机系统 2020(04)
• [19].个性化推荐算法中“信息茧房”与用户权利的思考[J]. 新闻研究导刊 2020(05)
• [20].基于用户聚类的图书协同推荐算法研究[J]. 科技资讯 2020(09)
• [21].适应情景变化的协同推荐算法[J]. 江西科学 2020(02)
• [22].一种基于用户的协同过滤与人气排行榜的融合推荐算法[J]. 南宁师范大学学报(自然科学版) 2020(01)
• [23].融合内容与矩阵分解的混合推荐算法[J]. 计算机应用研究 2020(05)
• [24].基于链路预测的有向互动影响力和用户信任的推荐算法[J]. 计算机应用研究 2020(05)
• [25].一种融合注意力和记忆网络的序列推荐算法[J]. 信息技术与网络安全 2020(05)
• [26].基于综合因素的服装智能推荐算法研究[J]. 软件 2020(04)
• [27].基于多元隐式信任关系挖掘的抗攻击社会化推荐算法研究[J]. 运筹与管理 2020(01)
• [28].基于学习轨迹的学生培养模式智能推荐算法研究[J]. 科学技术创新 2020(13)
• [29].基于注意力机制的神经网络贝叶斯群组推荐算法[J]. 计算机应用与软件 2020(05)
• [30].基于云平台的慕课资源协同过滤推荐算法[J]. 微型电脑应用 2020(05)

标签：推荐算法论文;  二部图网络结构论文;  多样性论文;  偏好度论文;  主题情感混合模型论文;