基于隐语义的混合推荐算法研究

《基于隐语义的混合推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据厦门大学学位论文原创性声明本人呈交的学位论文是本人在导师指导下，独立完成的研究成果。本人在论文写作中参考其他个人或集体已经发表的研究成果，均在文中以适当方式明确标明，并符合法律规范和《厦门大学研究生学术活动规范(试行)》。另外，该学位论文为()课题(组)的研究成果，获得()课题(组)经费或实验室的资助，在()实验室完成。(请在以上括号内填写课题或课题组负责人或实验室名称，未有此项声明内容的，可以不作特别声明。)声明人(签名)：夺名而友沙件年∥月∥日万方数据【11111UllHU111mlllllIIIIUI厦门大学学位论文著作权使用声明Y2731015本人同

2、意厦门大学根据《中华人民共和国学位条例暂行实施办法》等规定保留和使用此学位论文，并向主管部门或其指定机构送交学位论文(包括纸质版和电子版)，允许学位论文进入厦门大学图书馆及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国博士、硕士学位论文共建单位数据库进行检索，将学位论文的标题和摘要汇编出版，采用影印、缩印或者其它方式合理复制学位论文。本学位论文属于：()1．经厦门大学保密委员会审查核定的保密学位论文，于年月日解密，解密后适用上述授权。(√)2．不保密，适用上述授权。(请在以上相应括号内打“√”或填上相应内容。保密学位论文应是已经厦门大学保密委员会审定过的学

3、位论文，未经厦门大学保密委员会审定的学位论文均为公开学位论文。此声明栏不填写的，默认为公开学位论文，均适用上述授权。)声明人(签名)：夸私庭二叫}，年占月舌日万方数据摘要随着计算机网络的快速发展，用户每天上网都会面临巨大的信息量，这就导致出现了信息过载。为了解决信息过载，最早出现的是搜索引擎。但是人们慢慢发现搜索引擎无法满足人们的个性化需求，在此情况下，个性化推荐系统得以发展起来。科研界人员和工业界人员在过去的一段时间，付出了大量的时间和经历着手解决此问题，以使得人们的网上生活变得更加便捷。但是当前个性化推荐技术距离满足人们的需求还有一大截的距离，还有很大的提升空间

4、。从推荐算法的原理出发，给出了推荐系统算法的分类：基于内容的推荐算法、基于协同过滤的推荐算法以及混合推荐算法。本文分析了各种推荐算法的优点和缺点，并给出了一种基于隐语义的混合算法，用于提高推荐效果。本文的主要工作如下：(1)给出了推荐系统的产生原因、当前工业界和学术界对推荐算法的研究状况和各种常用的推荐算法。(2)给出了推荐系统中的隐语义模型，隐语义模型借助隐特征空间将用户和物品联系起来，隐特征空间能够很好的表达用户兴趣和物品信息属性，比传统的推荐算法效果好。(3)使用谱聚类得到用户隐类和物品隐类。借助原始评分数据矩阵进行投票从而得到用户隐类和物品隐类的关系权重矩阵

5、。这样大大降低了原始评分数据的维度，提高了效率。综合隐语义模型和隐类关系提出了一种新的混合推荐算法，并使用人工神经网络对混合推荐算法中的参数进行优化，实验证明此混合推荐算法改善了推荐效果。(4)在评分矩阵中一般将空的评分记录设置为0，这样是不合理的。本文分别从用户和物品的角度出发，给出评分矩阵初始值问题的解决方案。关键词：协同过滤；矩阵分解；混合推荐；推荐系统；隐类关系万方数据II万方数据AbstractWiththerapiddevelopmentofcomputernetworks，usersarefacedwiththehugeamountofinformat

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

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