資源描述：
《基于web挖掘的個(gè)性化推薦算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、ResearchonapersonalizedrecommendationalgorithmbasedonWebminingThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByZhangXiaoleiSupervisor:Prof.SunZhixinFebruary2014萬(wàn)方數(shù)據(jù)南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工
2、作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)一切相關(guān)的法律責(zé)任。研究生簽名：_____________日期：____________南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可以保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子文檔；允許論文
3、被查閱和借閱；可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。涉密學(xué)位論文在解密后適用本授權(quán)書。研究生簽名：____________導(dǎo)師簽名：____________日期：_____________萬(wàn)方數(shù)據(jù)摘要隨著IT技術(shù)、web2.0技術(shù)以及云計(jì)算技術(shù)等的不斷發(fā)展，信息超載問題使人們?cè)诿鎸?duì)海量數(shù)據(jù)尋找滿足自己需求的信息時(shí)變得手足無(wú)措；同時(shí)，信息檢索個(gè)
4、性缺失問題是用戶體驗(yàn)下降，系統(tǒng)用戶流失的重要原因之一。本文介紹個(gè)性化推薦技術(shù)對(duì)解決這兩大問題的作用與方法，并通過(guò)分析協(xié)同過(guò)濾算法思想原理及其所存在的不足，提出基于Web挖掘的個(gè)性化推薦算法，提高推薦系統(tǒng)的推薦質(zhì)量與性能。為了解決傳統(tǒng)的協(xié)同過(guò)濾算法中所存在的數(shù)據(jù)稀疏性、“冷啟動(dòng)”以及用戶參與度高等問題，引入Web使用挖掘技術(shù)，通過(guò)挖掘用戶的Web日志，了解用戶的行為模式、興趣愛好并構(gòu)建“用戶-項(xiàng)目”興趣度矩陣，改變協(xié)同過(guò)濾算法的數(shù)據(jù)采集方式和數(shù)據(jù)表現(xiàn)形式：由顯示用戶評(píng)分轉(zhuǎn)變?yōu)殡[式用戶項(xiàng)目偏好度；其次，為了解
5、決傳統(tǒng)的協(xié)同過(guò)濾算法中相似度計(jì)算方法鄰居誤判問題、無(wú)法應(yīng)對(duì)新用戶或新項(xiàng)目“冷啟動(dòng)”問題等，引入單點(diǎn)作用度機(jī)制，從“用戶-項(xiàng)目”興趣度矩陣整體角度，考察用戶向量的每個(gè)分量在計(jì)算用戶相似度過(guò)程中的作用并加權(quán)影響相似度計(jì)算結(jié)果；最后，為了優(yōu)化傳統(tǒng)的協(xié)同過(guò)濾算法中鄰居集產(chǎn)生的方法，算法衡量用戶間項(xiàng)目推薦重要度的差異，對(duì)目標(biāo)用戶的相似用戶集進(jìn)行過(guò)濾產(chǎn)生最優(yōu)鄰居集。本文采集南京郵電大學(xué)Web服務(wù)器日志數(shù)據(jù)并對(duì)其進(jìn)行Web使用挖掘，構(gòu)建“用戶-項(xiàng)目”興趣度矩陣作為實(shí)驗(yàn)數(shù)據(jù)源，對(duì)基于Web挖掘的個(gè)性化推薦算法進(jìn)行實(shí)驗(yàn)仿真
6、與測(cè)試，使用MAE、覆蓋率、精確率和召回率四個(gè)算法評(píng)估指標(biāo)將其與傳統(tǒng)的基于PC的協(xié)同過(guò)濾算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明，基于Web挖掘的個(gè)性化推薦算法具有更高的推薦質(zhì)量。綜上所述，基于Web挖掘的個(gè)性化推薦算法通過(guò)分析傳統(tǒng)的協(xié)同過(guò)濾算法所存在的問題，從數(shù)據(jù)源獲取、相似度計(jì)算方法和鄰居產(chǎn)生方法三個(gè)方面對(duì)其進(jìn)行改進(jìn)，引進(jìn)Web挖掘技術(shù)、單點(diǎn)作用度機(jī)制和推薦重要度機(jī)制提高推薦結(jié)果的可靠性和準(zhǔn)確性并得到了實(shí)驗(yàn)驗(yàn)證。關(guān)鍵詞:個(gè)性化推薦，協(xié)同過(guò)濾，Web挖掘，單點(diǎn)作用度，推薦重要度I萬(wàn)方數(shù)據(jù)AbstractWiththe
7、developmentofITtechnology,web2.0technologyandcloudcomputingtechnology,ononehand,theproblemofinformationoverloadmakeitdifficultthepeoplesearchinformationtosatisfiytheirneeds;ontheotherhand,thelackofpersonalityofInformationRetrivalreducestheuserexperiencean
8、dleadstotheuserchurn.Thethesisintroducesthepersonalizedrecommendationtechnologyandexplainsitseffectandmethodtosolvetheaboveproblems;elaboratesthetheoryofcollaborativefilteringandanalyzesitsshortages;presentsapersona
