检索结果-内蒙古大学图书馆

作者：何奎西南交通大学

学位级别：硕士

电子商务推荐系统现已成为很多企业进行广告宣传和商品销售的一个重要平台。然而,大量的商品信息充斥在网络之中,使得用户不能快速准确的搜索到其喜欢的商品。因此设计出更具个性化的电子商务推荐系统,以实现对用户更好的服务,就成为了... 详细信息

电子商务推荐系统现已成为很多企业进行广告宣传和商品销售的一个重要平台。然而,大量的商品信息充斥在网络之中,使得用户不能快速准确的搜索到其喜欢的商品。因此设计出更具个性化的电子商务推荐系统,以实现对用户更好的服务,就成为了很多企业研究的一个重要课题。目前,几乎所有著名的电子商务网站都在不同程度上采用了个性化的电子商务推荐系统,如易贝、淘宝网等。为了对用户进行快速而准确的推荐,研究人员已经提出了多种不同的推荐技术,如协同过滤推荐技术,贝叶斯网络技术,聚类技术,奇异值分解技术,关联挖掘技术等。其中,协同过滤推荐技术是在个性化的推荐系统中应用最广泛的,但随着其应用的深入,也暴露出了其中存在的一些问题,如“冷开始”问题、“数据稀疏性”问题等。本文也对协同过滤推荐技术进行研究,主要解决协同过滤推荐算法中存在的“冷开始”问题、“数据稀疏性”问题。本文主要做了以下研究工作： 1.对个性化推荐系统的发展历史及现状进行了综述,指出了协同过滤推荐算法中存在的“冷开始”和“数据稀疏性”两大瓶颈问题。 2.将蚁群聚类算法引入到协同过滤推荐技术的研究之中。 3.针对协同过滤算法中存在的“冷开始”问题,提出了一种改进的算法。新的算法除了考虑用户之间主观偏好的相似性之外,还考虑了用户之间客观特征的相似性：这使得系统能够对没有进行过主观评价的用户也能进行推荐。 4.采用蚁群聚类算法对用户进行聚类,然后在聚类簇中应用改进的协同过滤推荐算法搜寻邻居用户、进行预测评分。通过聚类,降低了邻居用户的搜寻范围,减少了系统的计算量,提高了系统的推荐质量,在一定程度上缓解了“数据稀疏性”的影响。 5.根据本文所提出的理论方法,进行了系统模拟。

关键词：推荐系统协同过滤蚁群聚类冷开始数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于内存的协同过滤推荐算法研究

基于内存的协同过滤推荐算法研究

引用

作者：赵琴琴中国科学院大学

学位级别：硕士

随着互联网的普及和电子商务的飞速发展，网络上的商品信息严重“过载”，用户很难在大量的商品信息中找到真正需要的商品。电子商务推荐系统根据用户个人的习惯和偏好向用户推荐其有可能感兴趣的商品，它是解决商品信息“过载”问题的... 详细信息

随着互联网的普及和电子商务的飞速发展，网络上的商品信息严重“过载”，用户很难在大量的商品信息中找到真正需要的商品。电子商务推荐系统根据用户个人的习惯和偏好向用户推荐其有可能感兴趣的商品，它是解决商品信息“过载”问题的主要工具。协同过滤技术是目前电子商务推荐系统中应用最广泛，并且最成功的技术之一。它的基本思想是：用户是可以按照兴趣分类的，具有相似兴趣的用户会购买相似的商品。但是随着商品信息量和用户量的与日俱增，协同过滤推荐系统，尤其是采用基于内存的协同过滤推荐算法的协同过滤推荐系统的发展面临着严重的用户评分数据稀疏性问题。因此，论文对协同过滤技术中的基于内存的协同过滤推荐算法进行了有益的探索和研究，特别是在数据稀疏性问题上的研究。　　本论文的工作贡献如下：　　一、详尽地阐述了基于内存的协同过滤推荐算法在缓和数据稀疏性问题上的国内外研究现状。总体来讲，我们可以把这些研究现状分为两大类：一类是矩阵填充技术;一类是传递技术。矩阵填充技术首先通过某种填充策略，比如固定的缺省值、用户的平均评分、神经网络等技术，得到更多的用户评分数据，然后在这些数据的基础上应用传统的基于内存的协同过滤推荐算法对用户进行推荐。然而传递技术利用传递或者递归的思想找到更多的用户间或商品间，或用户与商品间的关系，比如利用信任度的传递寻找更多与当前用户具有相似兴趣偏好的用户，然后利用这些关系对用户进行推荐。　　二、详细介绍了两类基于内存的协同过滤推荐算法-基于用户协同过滤推荐算法和基于项目协同过滤推荐算法，并通过实验分析了采用不同相似度度量函数和不同预测评分函数时，基于内存的协同过滤推荐算法在推荐准确度方面不同的原因。最后指出在随着用户和商品信息量不断急剧增加的情况下基于内存的协同过滤推荐技术存在的缺陷，即不能很好的处理数掘稀疏性问题。　　三、针对传统的基于内存的协同过滤推荐算法在数据稀疏性问题上存在的不足，我们提出了一种改进的基于内存的协同过滤推荐算法----利用相似度传递的基于内存的的协同过滤推荐算法。该算法通过相似度传播的思想，寻找到更多、更可靠的邻居，然后在这些邻居基础上，从用户和项目两方面信息考虑对用户进行推荐。最后，采用MovieLens数据集和Yahoo音乐数据集对论文提出的算法进行了仿真实验。实验结果表明：基于内存的相似度传递的协同过滤推荐算法在推荐准确性方面优于传统的基于内存的协同过滤推荐算法。

关键词：用户推荐系统相似度传递内存管理协同过滤数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于客户消费能力的协同推荐模型研究

基于客户消费能力的协同推荐模型研究

引用

作者：雷淑君杭州电子科技大学

学位级别：硕士

电子商务的快速发展不仅为企业带来巨大的经济利益,也使用户购物变得更加简单,用户在家就能浏览大量的商品和信息。但是在为用户带来便利的同时,电子商务也为用户带来了烦恼,用户难以在无数的商品中迅速找到自己需要的。因此帮助用户在... 详细信息

电子商务的快速发展不仅为企业带来巨大的经济利益,也使用户购物变得更加简单,用户在家就能浏览大量的商品和信息。但是在为用户带来便利的同时,电子商务也为用户带来了烦恼,用户难以在无数的商品中迅速找到自己需要的。因此帮助用户在众多信息中找到他们真正需要的商品成为电子商务网站急需解决的问题之一。\n 个性化推荐系统能够有效的发掘用户需求,根据其需求为用户推荐能够符合其兴趣偏好的商品。协同过滤推荐技术是个性化推荐中应用最广泛的方法之一,它根据与目标客户兴趣相似的客户的评价为目标客户推荐符合其需求的商品。但是因为协同过滤推荐技术存在冷启动、评分数据稀疏、算法可扩展性差等瓶颈。这些瓶颈在一定程度上限制了个性化推荐的发展。\n 本文围绕如何解决评分数据稀疏性和怎样提高推荐精度对协同过滤推荐进行改进,提出了基于客户消费能力的协同过滤推荐模型。本文将客户消费能力定义为一个反应客户自身消费品位的综合消费偏好指标,影响客户消费能力的主要有客户职业、年龄、性别等信息。认为消费能力接近的客户之间的推荐比消费能力相差较大的客户之间的推荐更能被客户接受,综合客户消费偏好和兴趣偏好来对客户产生推荐更符合实际情况。而且,从客户基本信息中提炼客户消费能力能够加强对客户信息的利用,使得对用户的描述更加完善。因此提出将客户消费能力引入协同过滤推荐中,形成一种新的基于客户消费能力的模型。\n 本文首先利用客户基本信息计算客户消费能力,根据计算得到的消费能力对客户集进行过滤,筛选出与目标客户消费能力相近的客户形成新的客户集,对于与目标客户消费能力相差较大的客户不进行考虑。然后结合客户消费能力和客户评分数据来计算客户总的相似性,从过滤后的客户集中形成目标客户的最近邻居集,最后在目标客户最近邻基础上利用传统的评分预测和推荐方式产生项目集。将本文提出的改进模型应用到实际数据集中进行实验,实验证明基于客户消费能力的模型能够降低评分数据稀疏性和改进推荐精度。在文章的最后,本文对所做的研究进行了总结,分析了改进模型的不足和将来研究的发展。

关键词：协同过滤客户消费能力个性化推荐模型数据稀疏性电子商务

来源：评论

学校读者我要写书评

暂无评论

电子商务个性化推荐系统中协同过滤算法的研究

电子商务个性化推荐系统中协同过滤算法的研究

引用

作者：高翔南京航空航天大学

学位级别：硕士

随着互联网的普及,人们在海量的各类信息资源中很难找到自己需要的信息,往往会陷入信息过载的困境。在这样一个大背景下,个性化推荐系统应运而生。个性化推荐系统可以根据已有的用户信息,向目标用户推荐其可能感兴趣的信息,可以帮助用... 详细信息

随着互联网的普及,人们在海量的各类信息资源中很难找到自己需要的信息,往往会陷入信息过载的困境。在这样一个大背景下,个性化推荐系统应运而生。个性化推荐系统可以根据已有的用户信息,向目标用户推荐其可能感兴趣的信息,可以帮助用户更方便、更快速地找到所需的信息。而协同过滤技术是个性化推荐系统中使用最广泛和应用最成功的技术之一,对它进行研究在理论和应用上都有非常重要的意义。本文首先对个性化推荐系统的基本知识以及主流推荐技术进行研究,然后分析了协同过滤推荐技术中应用最广泛的基于用户和基于项目的协同过滤算法,接着引出这两种协同过滤推荐算法的瓶颈问题:数据稀疏性、冷启动、扩展性问题,并总结了几种解决方法。本文分别从两个方面针对基于用户协同过滤算法进行改进,针对数据稀疏性的瓶颈问题提出了改进算法ICF-AD:其一是通过关联分析对用户-项目评分矩阵进行项目之间关联关系的挖掘,并利用关联关联对用户未评分项目进行预测评分,以实现对用户-项目评分矩阵补值的目的,降低数据稀疏性;其二是提出“领域”的概念,在领域内计算用户之间的相似性,既保证了相似度计算的可靠性,又降低了算法的复杂度,提高了算法性能。本文不仅对改进算法ICF-AD进行了理论分析,阐述其可行性,而且给出了改进算法在标准数据集上的实验结果,并对ICF-AD与其他两种基于用户的协同过滤算法进行了相关性能的比较分析。实验表明,改进的算法ICF-AD不仅能够有效缓解数据稀疏性问题,并且提高了算法性能,推荐质量得到了增强。

关键词：个性化推荐协同过滤改进算法关联分析数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于随机游走模型的个性化信息推荐

基于随机游走模型的个性化信息推荐

引用

作者：王丽莎大连理工大学

学位级别：硕士

随着网络信息和资源的急遽膨胀,用户面临着从海量数据中筛选自己所需信启、的困难,找到一种有效的工具或方法来帮助用户完成这个信息筛选的过程已成为一种必要。为了满足这种需求,个性化信息推荐服务应运而生,并且成功应用在各大社会媒... 详细信息

随着网络信息和资源的急遽膨胀,用户面临着从海量数据中筛选自己所需信启、的困难,找到一种有效的工具或方法来帮助用户完成这个信息筛选的过程已成为一种必要。为了满足这种需求,个性化信息推荐服务应运而生,并且成功应用在各大社会媒体网站,如YouTube, MovieLens,亚马逊等。在推荐系统中最常用、实现过程较简单、性能也较好的一种技术就是协同过滤,然而数据稀疏性问题和冷启动问题成为了影响其推荐结果准确性的两大障碍因素。除此之外,协同过滤算法利用的数据只有用户对于项目的评分信息,但是随着网络的发展,我们可利用的资源还有用户的标签标注信息和社交网络信息,这些信息的合理应用都会在一定程度上提高推荐系统的性能。为了消减协同过滤算法中的数据稀疏性,本文首先在随机游走(RWR)算法的基础上进行了改进,提出了一种项目-标签导向的随机游走推荐模型(TRWR),针对特定用户分别在项目空间和标签空间中根据对象之间的相似性计算转移概率,进行有限步长的随机游走,在两个空间中都生成若干个待推荐项目,然后重新计算预测评分,最后对该用户进行个性化信息推荐。其次,在计算对象之间相似性的过程中,考虑到共同评分用户数也是影响对象之间相似度的一个重要因素,本文又对传统的Pearson Correlation公式进行了改进,采用了融合评分差异性和共同评分用户数的相似度计算方法。最后,除了用户对于项目的评分信息和标签标注信息,本文又引入了用户之间的信任网络信息,着重针对那些可利用数据较少的冷启动用户来进行个性化信息推荐。总的来说,本文在传统的协同过滤推荐算法的基础上引入了更多的用户信息,在项目空间、标签空间、用户信任网络中进行随机游走,目的是消减数据稀疏性和解决冷启动用户的推荐问题。本文分别在MovieLens数据集和Epinions数据集上对两种算法进行了验证,并且取得了不错的结果。

关键词：个性化信息推荐数据稀疏性冷启动用户信任网络随机游走

来源：评论

学校读者我要写书评

暂无评论

基于混合聚类的个性化推荐算法

引用

武汉理工大学学报（信息与管理工程版） 2011年第3期33卷 379-381,434页

作者：成桂兰刘旭东陈德人烟台职业学院信息工程系山东烟台264670 烟台职业学院科研处山东烟台264670 浙江大学计算机科学与技术学院浙江杭州310027

针对传统协同过滤算法存在的数据稀疏性问题,提出了一种基于聚类技术的推荐算法。该算法将SOM与K-means技术相结合对图书资源进行聚类,缩小了需要预测的图书资源数目和最近邻居的搜索范围,达到了为读者提供符合其偏好特征的图书资源的... 详细信息

针对传统协同过滤算法存在的数据稀疏性问题,提出了一种基于聚类技术的推荐算法。该算法将SOM与K-means技术相结合对图书资源进行聚类,缩小了需要预测的图书资源数目和最近邻居的搜索范围,达到了为读者提供符合其偏好特征的图书资源的目的。实验结果表明,改进后的算法较好地解决了数据稀疏性问题,提高了推荐系统的推荐质量。

关键词：协同过滤数字图书馆 SOM K-means 数据稀疏性平均绝对偏差

来源：评论

学校读者我要写书评

暂无评论

基于辅助项目评分的协同过滤推荐算法

引用

武汉理工大学学报（信息与管理工程版） 2011年第1期33卷 111-114页

作者：刘旭东房培玉陈德人烟台职业学院信息工程系山东烟台264670 浙江大学计算机科学与技术学院浙江杭州310027

协同过滤技术是目前电子商务推荐系统中主要的技术之一,随着系统规模的日益扩大,其面临数据稀疏性和冷开始等问题。针对上述问题,提出了一种改进的协同过滤推荐算法。新算法是在传统协同过滤推荐算法的基础上增添辅助项目评分支持环节,... 详细信息

协同过滤技术是目前电子商务推荐系统中主要的技术之一,随着系统规模的日益扩大,其面临数据稀疏性和冷开始等问题。针对上述问题,提出了一种改进的协同过滤推荐算法。新算法是在传统协同过滤推荐算法的基础上增添辅助项目评分支持环节,加入辅助项目的评分信息对产品项目评分数据库进行补充。实验结果表明,改进的算法有效地解决了由于产品评分数据的稀疏而造成的推荐质量下降的问题,提高了推荐系统的推荐质量。对经济实力较弱的企业通过推荐系统推动电子商务的发展具有一定的参考价值。

关键词：推荐系统协同过滤冷开始数据稀疏性相似性

来源：评论

学校读者我要写书评

暂无评论

基于遗忘函数和领域最近邻的网络营销推荐系统研究

基于遗忘函数和领域最近邻的网络营销推荐系统研究

引用

作者：周利湖南大学

学位级别：硕士

随着互联网的普及和网络营销的盛行,电子商务系统为企业提供无限陈列空间,为客户提供更多商品选择的同时,其结构也日趋复杂。客户面对海量的商品信息束手无策,无法顺利找到所需的商品,“信息迷航”和“信息超载”问题日趋严重；商家也... 详细信息

随着互联网的普及和网络营销的盛行,电子商务系统为企业提供无限陈列空间,为客户提供更多商品选择的同时,其结构也日趋复杂。客户面对海量的商品信息束手无策,无法顺利找到所需的商品,“信息迷航”和“信息超载”问题日趋严重；商家也不能顺利取得与客户的联系,销售措施更是无从谈起。网络营销推荐系统的出现和应用极大的改善了这一系列问题,它能够有效保留客户、防止客户流失、提高电子商务系统的交叉销售量。然而,当前的网络营销推荐系统在实际应用中还并不成熟,数据稀疏性问题严重,因无法很好的应对用户兴趣漂移问题,致使推荐质量欠佳、推荐实时性差。针对网络营销推荐系统所面临的这些挑战,本文分析了当前推荐系统的国内外研究现状和主要推荐技术的优缺点,在已有的混合推荐研究基础上进行创新,推出一种基于内容过滤和协同过滤改进的网络营销推荐算法,以协同过滤为主,内容过滤为辅,基于“非线性逐步遗忘函数”建立用户兴趣模型,预测非目标用户未评价商品评分,解决数据稀疏性问题和用户兴趣漂移问题；引入“领域最近邻”处理方法查找目标用户的最近邻,预测其未评价商品评分,以此为基础做出推荐,有效提高推荐系统的推荐质量和推荐实时性。该改进方法充分利用了用户的人口统计信息计算用户间的相似性,使得推荐结果更符合用户需求。本文的主要研究工作包括：(1)通过分析当前国内外的推荐系统研究现状,发现普遍存在缺乏个性化推荐、推荐方法单一以及推荐的自动化程度低等问题。(2)提出了基于遗忘函数和领域最近邻处理方法的混合推荐方法,详细介绍了该混合算法的各个改进步骤和计算方法。(3)以Movielens的公共数据集为基础,通过对比实验,比较了本文提出的网络营销推荐方法与其他采用传统推荐方法的推荐效果,得出了客观有效的测试结果。

关键词：网络营销推荐非线性逐步遗忘领域最近邻兴趣漂移数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于最大熵模型解决协同过滤稀疏性问题研究

基于最大熵模型解决协同过滤稀疏性问题研究

引用

作者：杨磊中国科学技术大学

学位级别：硕士

伴随着Internet的普及，网上购物已经越来越成为一种重要的消费行为，但在呈指数级增长的海量信息面前，用户往往无法快速、准确的挑选到自己钟爱的商品，而推荐系统这是基于这样的背景产生的。推荐系统主要通过挖掘用户的兴趣爱好，从... 详细信息

伴随着Internet的普及，网上购物已经越来越成为一种重要的消费行为，但在呈指数级增长的海量信息面前，用户往往无法快速、准确的挑选到自己钟爱的商品，而推荐系统这是基于这样的背景产生的。推荐系统主要通过挖掘用户的兴趣爱好，从而为用户提供推荐。　　协同过滤作为目前推荐质量最高的推荐系统，也是应用最为广泛的推荐系统。它主要利用用户对于商品的历史评分数据，计算出当前用户的“最近邻集合”，然后利用这些“邻居”计算出当前用户对于目标项目的预测评分，最后根据预测评分形成推荐。虽然协同过滤有着诸如算法简单、可以处理不同特征数据、挖掘用户潜在兴趣等优点，但它也存在着很多缺点。其最大的缺点即数据稀疏性，数据稀疏性实际上就是一个用户—项目评分矩阵稀疏的问题，因为在现实生活中，大部分的用户都只对少部分的项目有评分，所以大部分的评分都是空白，当然也就无法保证良好的推荐质量。　　最大熵模型作为一个基本预测模型，它的基本思想就是在只掌握未知部分的部分知识时，我们应该选取符合这些知识并且熵值最大的概率分布。最大熵模型最大的特点就是可以将不同源的信息集中到一个框架下进行综合考虑。大众分类标签（tag）是伴随着web 2.0和3.0 才被广泛应用的，是分享知识的一种机制。Tag的最大特点是充分反映了用户的主观性。　　为了解决传统协同过滤推荐系统中的稀疏性问题，本文提出了一个基于最大熵模型，且综合考虑用户—评分信息（rating）和tag 信息的混合推荐系统。文中构建的最大熵模型把rating 信息和tag 信息作为模型输入，在经过最大熵模型处理后，把当前用户对于目标项目的评分作为模型输出结果，从而形成推荐。　　基于理论研究，本文设计了3组仿真实验从不同的角度来验证基于最大熵模型的混合推荐系统的推荐质量，实验结果表明，混合推荐系统较传统协同过滤有着较高的优越性

关键词：网上购物最大熵模型协同过滤数据稀疏性混合推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于模型填充的混合协同过滤算法

引用

微计算机信息 2011年第11期27卷 126-128页

作者：焦晨斌王世卿郑州大学信息工程学院郑州450002

随着商品与服务等领域电子海量数据的日益膨胀,协同过滤已成为一种新的推荐技术在推荐系统中倍受关注。本文研究分析了协同过滤中存在的数据极端稀疏、相似准确度问题,提出了一种基于模型填充的混合协同过滤算法。实验结果表明,该算法... 详细信息

随着商品与服务等领域电子海量数据的日益膨胀,协同过滤已成为一种新的推荐技术在推荐系统中倍受关注。本文研究分析了协同过滤中存在的数据极端稀疏、相似准确度问题,提出了一种基于模型填充的混合协同过滤算法。实验结果表明,该算法能有效解决用户评分数据的极端稀疏问题,可提高协同过滤的相似准确度。

关键词：推荐系统(RS) 协同过滤数据稀疏性相似度模型填充

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：