资源描述：
《聚类与矩阵分解技术在推荐系统中的应用研究》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、分类号:学校代码:10128UDC:学号:20151100048学生类别：全日制学术型硕士研究生学科名称:数学论文题目：聚类与矩阵分解技术在推荐系统中的应用研究英文题目：ApplicationResearchofClusteringandMatrixFactorizationTechnologyinRecommendationSystem学生姓名：柴亚会导师姓名：乌力吉教授二○一八年六月原 创 性 声 明本人声明:所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。除文中已经注明引用的内容外，论文中不包含
2、其他人已经发表或撰写过的研究成果，也不包含为获得内蒙古工业大学及其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名: 指导教师签名:日期: 日 期:学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古工业大学有权将学位论文的全部或部分内容保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允许编入有关数据库进行检索，也可以采用影印、缩印或其它复制手段保存、汇编学位论文。为保护学校和导师的知识
3、产权，作者毕业后涉及该学位论文的主要内容或研究成果用于发表学术论文须征得内蒙古工业大学就读期间导师的同意，并且版权单位必须署名为内蒙古工业大学方可投稿或公开发表。本学位论文属于保密□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名: 指导教师签名:日期: 日 期:内蒙古工业大学硕士学位论文i摘要随着Internet的快速发展,万维网已经成为信息发布和信息获取的主要平台,其信息量增长很快.虽然用户可以直观地从浏览器中得到网页中的信息,然而在短时间内找到自己感兴趣的信息是困难的.个性化
4、推荐系统就是为了解决该类问题而提出的一种智能代理系统,即根据用户的信息,包括用户的性质、用户的资料、用户的偏好、和购买行为等,给用户推荐感兴趣的信息和项目,是有针对性的推荐.本文基于聚类算法和矩阵分解算法为用户进行协同过滤推荐,具体从两个方面入手:（1）基于用户属性聚类和评分矩阵填充的个性化推荐.本文提出了一种新的演化聚类方法.算法的目标是将具有相同兴趣的用户聚集到同一个类中,并为用户推荐他们可能喜欢的项目.首先,计算用户属性距离,根据本文构建的动力学网络聚类模型,用户的相位随着时间的推移而演变,用户的相位经过一段迭代后
5、将会稳定.根据用户的稳定状态,他们被分成不同类.用户的兴趣偏好随时间而变化,然而用户的兴趣在较短时间内是相对稳定的.其次,基于评分时间和项目类别来填充评分矩阵.再次,在每个类中采用基于用户的协同过滤,在同一类中的用户相似度被计算用填充的矩阵.最后,根据用户的邻居集来计算目标评分,并给目标用户推荐感兴趣的项目.针对提出的算法进行了实验,并与已有的推荐算法相比,实验结果表明算法提高了推荐精度,并有效地解决了评分矩阵稀疏问题.（2）基于填充矩阵奇异值分解和相似度加权的协同过滤推荐.本文针对填充的评分矩阵的特点,对填充的矩阵进行
6、奇异值分解,用分解后表示用户特征的矩阵来计算用户的相似度矩阵.然后,根据原始评分矩阵来计算用户的相似度矩阵,将两个相似度矩阵加权.最后,根据相似度从大到小选出邻居集,基于用户的协同过滤来预测评分,并且产生推荐.通过实验,与已有的推荐算法相比,实验结果表明算法提高了推荐精度.关键词:协同过滤;演化聚类;评分填充;矩阵分解;相似度内蒙古工业大学硕士学位论文iiiAbstractWiththerapiddevelopmentofInternet,theworldwidewebhasalreadybecomethemainpla
7、tformforinformationdiffusionandacquisition,andtheamountofinfor-mationisgrowingatageometriclevel.Althoughtheuserscangettheinformationinthewebpageveryintuitivelythroughthebrowser,inashortperiodoftime,itisdifficulttofindinformationthattheyareinterestedin.Personalizedrec
8、ommendationsystemisaproposedintelligentagentsystemtosolvetheproblem.Thatis,accordingtouser’sinformation,includinguser’snature,user’sdata,user’spreferences,andu
