基于用户与商品间交互作用的个性化推荐策略研究

基于用户与商品间交互作用的个性化推荐策略研究

论文摘要

个性化推荐是指基于相同或相关用户及项目信息,通过量化用户对不同项目的偏好,从而对用户产生个性化的推荐结果。目前,国内外已进行了广泛的研究,但仍面临着很多问题和挑战。其中预测的准确性及效率是一直关注的两个问题,这也是本文讨论的主要内容。本文基于用户的评分矩阵构建了一个累积logistic回归模型。在模型的建立过程中,我们充分考虑了用户与项目间的交互作用,即将引入一个交互作用的矩阵。该交互作用矩阵的行数与列数将分别由与用户相关的变量数及与项目相关的变量数决定。由于在很多实际问题中,与项目相关的变量个数很多,例如,电影的推荐系统中,我们可以提取众多特征来描述一部电影,从而导致该交互矩阵未知参数较多。为此,本文将对交互矩阵进一步引入低秩或稀疏假设。在低秩假设下,采用交替最小二乘法来估计参数。在稀疏假设下,本文利用TLP方法和DC分解来求解L0惩罚下的参数估计问题。最后,我们将本文所提的方法应用于两个MovieLens的电影数据中,结果表明,该方法有较好的预测效果。

论文目录

  • 中文摘要
  • Abstract
  • 第1章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外的研究动态及发展趋势
  •   1.3 主要工作及结构框架
  • 第2章 累积Logistic回归分析
  •   2.1 累积logistic回归模型介绍
  •   2.2 参数估计
  •   2.3 本章小结
  • 第3章 基于用户与商品间交互作用的推荐模型
  •   3.1 模型介绍
  •   3.2 参数估计-低秩假设
  •     3.2.1 交替最小二乘法简介
  •     3.2.2 低秩假设下的估计过程
  • 0惩罚'>  3.3 参数估计L0惩罚
  • 0惩罚及估计方法简介'>    3.3.1 L0惩罚及估计方法简介
  • 0惩罚下的参数估计过程'>    3.3.2 L0惩罚下的参数估计过程
  •   3.4 本章小结
  • 第4章 模拟研究
  •   4.1 模型建立
  •   4.2 关于模拟数据的参数估计
  •   4.3 本章小结
  • 第5章 基于MovieLens数据的实例分析
  •   5.1 数据预处理
  •   5.2 结果分析
  •   5.3 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 攻读学位期间发表的学术论文
  • 文章来源

    类型: 硕士论文

    作者: 宋爽

    导师: 马维军

    关键词: 个性化推荐,交互作用,累积回归模型,交替最小二乘法,惩罚

    来源: 黑龙江大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,企业经济

    单位: 黑龙江大学

    分类号: F274;F224

    DOI: 10.27123/d.cnki.ghlju.2019.001789

    总页数: 48

    文件大小: 2081K

    下载量: 20

    相关论文文献

    • [1].地方本科院校图书馆个性化推荐服务分析[J]. 科技创新导报 2020(17)
    • [2].基于金融大数据的个性化推荐技术研究[J]. 价值工程 2018(20)
    • [3].也说“个性化推荐”[J]. 传媒 2016(09)
    • [4].个性化推荐技术在图书馆服务中的应用[J]. 长江丛刊 2018(35)
    • [5].智慧图书馆个性化推荐服务体系及模式的思考[J]. 现代职业教育 2018(34)
    • [6].智慧图书馆个性化推荐服务体系及模式的思考[J]. 知识文库 2018(12)
    • [7].电子商务中的个性化推荐研究[J]. 电子商务 2020(07)
    • [8].基于大数据网络用户兴趣个性化推荐模型分析[J]. 电子设计工程 2019(21)
    • [9].个性化推荐技术在网络学习平台中的应用研究[J]. 信息与电脑(理论版) 2017(01)
    • [10].小数据思维驱动下图书馆学术资源的个性化推荐服务探讨[J]. 中国中医药图书情报杂志 2020(02)
    • [11].大数据背景下电商用户需求挖掘的个性化推荐方法研究[J]. 信息与电脑(理论版) 2016(17)
    • [12].基于协同过滤的个性化推荐专利技术研究[J]. 科技展望 2016(29)
    • [13].网络环境下情景感知的图书馆电子资源个性化推荐服务研究[J]. 黑河学刊 2018(03)
    • [14].个性化推荐技术的分析和比较[J]. 电脑编程技巧与维护 2016(22)
    • [15].智慧图书馆个性化推荐服务体系分析[J]. 山海经 2019(03)
    • [16].个性化推荐阅读时代的编辑缺位及其影响[J]. 编辑之友 2017(09)
    • [17].大数据时代的个性化推荐技术分析[J]. 晋中学院学报 2016(03)
    • [18].个性化推荐时代编辑的重要性探析——以今日头条客户端为例[J]. 传播力研究 2018(14)
    • [19].基于用户决策机理的个性化推荐[J]. 图书情报工作 2019(02)
    • [20].基于用户偏好与商品属性情感匹配的图书个性化推荐研究[J]. 数据分析与知识发现 2017(08)
    • [21].个性化推荐会赢得消费者持续青睐吗?——基于使用与满足理论视角[J]. 兰州财经大学学报 2017(06)
    • [22].电子商务个性化推荐的发展与应用评析[J]. 电子商务 2015(12)
    • [23].智慧图书馆个性化推荐服务体系及模式探讨[J]. 科学咨询(科技·管理) 2018(12)
    • [24].消费者对电商平台个性化推荐接受意向的影响因素研究[J]. 中国集体经济 2019(03)
    • [25].基于矩阵分解的情景感知个性化推荐法研究[J]. 科技风 2019(35)
    • [26].基于用户多类型兴趣波动趋势预测分析的个性化推荐方法[J]. 数据分析与知识发现 2019(11)
    • [27].基于三层维度的文献个性化推荐模型研究[J]. 情报科学 2019(02)
    • [28].新闻客户端个性化推荐引发“信息茧房”的原因及应对措施[J]. 西部广播电视 2017(24)
    • [29].智慧图书馆个性化推荐服务体系及模式的分析[J]. 内蒙古科技与经济 2018(12)
    • [30].新闻客户端个性化推荐引发的“信息茧房”现象[J]. 新媒体研究 2017(19)

    标签:;  ;  ;  ;  ;  

    基于用户与商品间交互作用的个性化推荐策略研究
    下载Doc文档

    猜你喜欢