基于用戶多維相似度的協(xié)同過濾推薦算法

《基于用戶多維相似度的協(xié)同過濾推薦算法》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、．＂‘ｆ，＾．．嗦■去ｉ‘＇．ｊ：＇．拇巧Ｗ＇細(xì)披Ｖ．’々＇＇‘．＇，：密級(jí)Ａｉ＇飛．分類號(hào)ｒ廟成ＵＤ編擴(kuò)帝師私；評(píng)麵．知垂黑戀＾爲(wèi)誇八葦礁擁？；，八’式．山，４＊：：ｊｒ聲ｆ，戶ｙＪＪ、碩±學(xué)位論文＾構(gòu)Ｔｈ＇＾又ｅｓｉｓｆｏｒＭａｓｔｅｒｓＤｅｇｒｅｅｔ＂伊倉(cāng)，Ｗｗｆ論文題目蘭理鮮麵壁鐵鵬壁雙＾ｆＶ難．．－ｔ—ｒ．．＇、＇，ｒａ＼ＣｏｌｌａｂｏｔｉｖｅＦｉｌｔｅｒｉ打ｇ民ｅｃｏｍｍｅｎｄａｔ

2、ｉｏｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎ．ｇ一’－．＇ｓｅｒＭｕｌｔｉｄｉｍｅｎｓｉｏｎａｌＳｉｍｉｌａｒｉｔ，‘’Ｕ．拓ｙ＇．＇－，．。‘為冷、Ｊ＇少為ｆｆ４．．細(xì)，．弘物綻ｉ％，申請(qǐng)學(xué)位類別工—…—?jiǎng)偅?，染ｊ誕舞‘確為或‘節(jié)專業(yè)名祿計(jì)算機(jī)技術(shù)＞黎轅Ｊ，采、轉(zhuǎn)研究生姓名料奪—；產(chǎn)灣＾師茄＞矜‘廖列ａ教－、職稱去＞導(dǎo)師姓名堂．．＿這，＼＾’＾＇為典：?！?xì)Ｓ媒，爭(zhēng)海分類號(hào)：密級(jí)：ＵＤＣ：學(xué)號(hào)：＾爲(wèi)嫂義ｋ考碩

3、±學(xué)位論文基于用戶多維相似度的協(xié)同過濾推薦算法ＣｏｌｌａｂｏｒａｔｉｖｅＦｉｌｔｅｒｉｎＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎｇｇ－ＵｓｅｒＭｕｌｔｉｄｉｍｅｎｓｉｏｎａｌＳｉｍｉｌａｒｉｔｙ學(xué)位類另［Ｊ：李碩養(yǎng)振±作者姓名：學(xué)研科、專業(yè)：計(jì)賞機(jī)巧乂究方向：椎薦系統(tǒng)指導(dǎo)教師：粋少廖列法月川江西理工大學(xué)碩士學(xué)位論文摘要摘要隨著手持設(shè)備和桌面電腦的普及，網(wǎng)絡(luò)已經(jīng)成為了人們生活中不可缺少的一部分。人們通過互聯(lián)網(wǎng)進(jìn)行著諸多

4、的社會(huì)活動(dòng)，網(wǎng)絡(luò)信息的增長(zhǎng)速度日益加快，合理利用互聯(lián)網(wǎng)信息首先要做的就是信息的過濾和分類。推薦系統(tǒng)在網(wǎng)絡(luò)信息和用戶之間建起一座橋梁，在一定程度上方便了人們的生活。上世紀(jì)90年代初到現(xiàn)在的20余年中，推薦系統(tǒng)日益成熟，本文從用戶信息出發(fā)，多角度分析用戶屬性及其網(wǎng)絡(luò)行為，研究如何利用和挖掘用戶信息進(jìn)而改進(jìn)協(xié)同過濾推薦系統(tǒng)，主要工作如下：1.本文介紹了推薦系統(tǒng)在國(guó)內(nèi)外的發(fā)展現(xiàn)狀，對(duì)協(xié)同過濾推薦算法進(jìn)行歸納整理，并對(duì)其進(jìn)行原理分析，對(duì)其中相關(guān)的關(guān)鍵技術(shù)進(jìn)行分析。2.相似度計(jì)算。作為推薦系統(tǒng)的核心模塊，相似度的計(jì)

5、算直接影響推薦的結(jié)果，對(duì)推薦精度、覆蓋率、召回率有直接的關(guān)系，優(yōu)化推薦系統(tǒng)的關(guān)鍵在于優(yōu)化相似度計(jì)算，本文通過研究相似度計(jì)算原理對(duì)傳統(tǒng)相似度計(jì)算方法進(jìn)行改進(jìn)，利用用戶之間的個(gè)體差異計(jì)算用戶對(duì)項(xiàng)目的偏好差別，進(jìn)而計(jì)算出用戶之間相似度。通過在公開數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，并不斷調(diào)整相關(guān)參數(shù)，使得到的推薦精度達(dá)到較理想水平。3.評(píng)論文本信息挖掘與利用。相對(duì)常規(guī)的評(píng)分或等級(jí)評(píng)定，自然語(yǔ)言評(píng)論更能代表用戶的直觀體驗(yàn)，文本評(píng)論無疑包含著大量的用戶信息和用戶喜惡。本文通過爬蟲工具爬取了互聯(lián)上網(wǎng)具有代表性的大量酒店評(píng)論文本，并構(gòu)

6、建中文評(píng)論文本處理系統(tǒng)，對(duì)包含用戶情感的評(píng)論文本進(jìn)行信息提取和量化，將得到的用戶情感進(jìn)行傾向性分析，并將其作為計(jì)算用戶間相似度的數(shù)據(jù)。4.多維相似度算法。相似度的計(jì)算不應(yīng)是基于某一用戶屬性或行為，應(yīng)當(dāng)全面考慮可影響用戶選擇的信息，這樣才能計(jì)算出較為準(zhǔn)確的用戶近鄰，從而進(jìn)行精確推薦。本文將用戶自身屬性、用戶評(píng)分集合、用戶文本評(píng)論中包含的情感傾向等要素，賦以不同的權(quán)重參與相似度的計(jì)算。對(duì)得到的推薦結(jié)果進(jìn)行分析并不斷調(diào)整權(quán)重以選取最優(yōu)推薦結(jié)果。本文從多維度計(jì)算用戶之間的相似度，重點(diǎn)分析了用戶評(píng)論信息包含的情感

7、傾向，從而得到更為準(zhǔn)確的用戶近鄰。通過實(shí)驗(yàn)分析和對(duì)比，本文模型可以為用戶提供較為理想的推薦結(jié)果。關(guān)鍵詞：推薦系統(tǒng)；協(xié)同過濾；情感分析；多維相似度；自然語(yǔ)言處理IAbstractAbstractWiththepopularityofhandhelddevicesanddesktopcomputers,thenetworkhasbecomeanindispensablepartofpeople'slife.ManysocialactivitiesconductthroughtheInternet,andth

8、enetworkinformationisever-acceleratingpace,usinginformationrationallyontheInternet,thefirstthingtodoistofilteringandsorting.Recommendersystembuiltabridgebetweenusersandinnetworkinformation,itfacilitatesthepeople'slives.Fro