基于隱語(yǔ)義的混合推薦算法研究

《基于隱語(yǔ)義的混合推薦算法研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、萬(wàn)方數(shù)據(jù)廈門(mén)大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨(dú)立完成的研究成果。本人在論文寫(xiě)作中參考其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈門(mén)大學(xué)研究生學(xué)術(shù)活動(dòng)規(guī)范(試行)》。另外，該學(xué)位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費(fèi)或?qū)嶒?yàn)室的資助，在()實(shí)驗(yàn)室完成。(請(qǐng)?jiān)谝陨侠ㄌ?hào)內(nèi)填寫(xiě)課題或課題組負(fù)責(zé)人或?qū)嶒?yàn)室名稱(chēng)，未有此項(xiàng)聲明內(nèi)容的，可以不作特別聲明。)聲明人(簽名)：奪名而友沙件年∥月∥日萬(wàn)方數(shù)據(jù)【11111UllHU111mlllllIIIIUI廈門(mén)大學(xué)學(xué)位論文著作權(quán)使用聲明Y2731015本人同

2、意廈門(mén)大學(xué)根據(jù)《中華人民共和國(guó)學(xué)位條例暫行實(shí)施辦法》等規(guī)定保留和使用此學(xué)位論文，并向主管部門(mén)或其指定機(jī)構(gòu)送交學(xué)位論文(包括紙質(zhì)版和電子版)，允許學(xué)位論文進(jìn)入廈門(mén)大學(xué)圖書(shū)館及其數(shù)據(jù)庫(kù)被查閱、借閱。本人同意廈門(mén)大學(xué)將學(xué)位論文加入全國(guó)博士、碩士學(xué)位論文共建單位數(shù)據(jù)庫(kù)進(jìn)行檢索，將學(xué)位論文的標(biāo)題和摘要匯編出版，采用影印、縮印或者其它方式合理復(fù)制學(xué)位論文。本學(xué)位論文屬于：()1．經(jīng)廈門(mén)大學(xué)保密委員會(huì)審查核定的保密學(xué)位論文，于年月日解密，解密后適用上述授權(quán)。(√)2．不保密，適用上述授權(quán)。(請(qǐng)?jiān)谝陨舷鄳?yīng)括號(hào)內(nèi)打“√”或填上相應(yīng)內(nèi)容。保密學(xué)位論文應(yīng)是已經(jīng)廈門(mén)大學(xué)保密委員會(huì)審定過(guò)的學(xué)

3、位論文，未經(jīng)廈門(mén)大學(xué)保密委員會(huì)審定的學(xué)位論文均為公開(kāi)學(xué)位論文。此聲明欄不填寫(xiě)的，默認(rèn)為公開(kāi)學(xué)位論文，均適用上述授權(quán)。)聲明人(簽名)：夸私庭二叫}，年占月舌日萬(wàn)方數(shù)據(jù)摘要隨著計(jì)算機(jī)網(wǎng)絡(luò)的快速發(fā)展，用戶(hù)每天上網(wǎng)都會(huì)面臨巨大的信息量，這就導(dǎo)致出現(xiàn)了信息過(guò)載。為了解決信息過(guò)載，最早出現(xiàn)的是搜索引擎。但是人們慢慢發(fā)現(xiàn)搜索引擎無(wú)法滿(mǎn)足人們的個(gè)性化需求，在此情況下，個(gè)性化推薦系統(tǒng)得以發(fā)展起來(lái)?？蒲薪缛藛T和工業(yè)界人員在過(guò)去的一段時(shí)間，付出了大量的時(shí)間和經(jīng)歷著手解決此問(wèn)題，以使得人們的網(wǎng)上生活變得更加便捷。但是當(dāng)前個(gè)性化推薦技術(shù)距離滿(mǎn)足人們的需求還有一大截的距離，還有很大的提升空間

4、。從推薦算法的原理出發(fā)，給出了推薦系統(tǒng)算法的分類(lèi)：基于內(nèi)容的推薦算法、基于協(xié)同過(guò)濾的推薦算法以及混合推薦算法。本文分析了各種推薦算法的優(yōu)點(diǎn)和缺點(diǎn)，并給出了一種基于隱語(yǔ)義的混合算法，用于提高推薦效果。本文的主要工作如下：(1)給出了推薦系統(tǒng)的產(chǎn)生原因、當(dāng)前工業(yè)界和學(xué)術(shù)界對(duì)推薦算法的研究狀況和各種常用的推薦算法。(2)給出了推薦系統(tǒng)中的隱語(yǔ)義模型，隱語(yǔ)義模型借助隱特征空間將用戶(hù)和物品聯(lián)系起來(lái)，隱特征空間能夠很好的表達(dá)用戶(hù)興趣和物品信息屬性，比傳統(tǒng)的推薦算法效果好。(3)使用譜聚類(lèi)得到用戶(hù)隱類(lèi)和物品隱類(lèi)。借助原始評(píng)分?jǐn)?shù)據(jù)矩陣進(jìn)行投票從而得到用戶(hù)隱類(lèi)和物品隱類(lèi)的關(guān)系權(quán)重矩陣

5、。這樣大大降低了原始評(píng)分?jǐn)?shù)據(jù)的維度，提高了效率。綜合隱語(yǔ)義模型和隱類(lèi)關(guān)系提出了一種新的混合推薦算法，并使用人工神經(jīng)網(wǎng)絡(luò)對(duì)混合推薦算法中的參數(shù)進(jìn)行優(yōu)化，實(shí)驗(yàn)證明此混合推薦算法改善了推薦效果。(4)在評(píng)分矩陣中一般將空的評(píng)分記錄設(shè)置為0，這樣是不合理的。本文分別從用戶(hù)和物品的角度出發(fā)，給出評(píng)分矩陣初始值問(wèn)題的解決方案。關(guān)鍵詞：協(xié)同過(guò)濾；矩陣分解；混合推薦；推薦系統(tǒng)；隱類(lèi)關(guān)系萬(wàn)方數(shù)據(jù)II萬(wàn)方數(shù)據(jù)AbstractWiththerapiddevelopmentofcomputernetworks，usersarefacedwiththehugeamountofinformat

6、ionfromInterneteveryday,whichledtotheemergenceofinformationoverload．Inordertosolvetheinformationoverload，searchengineswasinvented．Butitisfoundthatsearchenginescannotmeetpeople’Sindividualneeds，inthiscase，thepersonalizedrecommendationsystemappear．Inthepastperiodoftime，theresearchcommuni

7、tyhavesavedalotoftimetoaddressthisissue，SOthatitwillbemoreconvenientforpeople’Sonlinelife．However,thecurrentpersonalizedrecommendationtechnologyCannotmeetpeople’Sneeds，thereisstillmuchtodoforimprovement．WeCangettheclassificationoftherecommendedalgorithmfromtherecommendprinciples：Cont