基于网络关系特征的混合推荐算法研究

《基于网络关系特征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、分类号：TP39单位代码：10183研究生学号：2013532041密级：公开吉林大学硕士学位论文（学术学位）基于网络关系特征的混合推荐算法研究Hybrid Recommendation AlgorithmBasedOnNetworking Feature作者姓名：刘传宝专业：计算机软件与理论研究方向：数据挖掘指导教师：张家晨教授培养单位：计算机科学与技术学院2016年5月基于网络关系特征的混合推荐算法研巧ＨｙｂｒｉｄＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄＯｎＮｅｔｗｏｒｋｉｎｇＦ

2、ｅａｔｕｒｅ作者姓名：刘传宝专业名称：计算机软件与理论指导教师；张家晨教授学位类别：工学硕±答辩日期；２０１６年女月２于日未经本论文作者的书面授权，依法收存和保管本论文书面破本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、发行、出租、改编等有碍作者、修改著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕±学位论文原创性声明本人郑重声明：所呈交的硕±学位论文，是本人在指导教师的指导下。除文中己经注明

3、引用的内容外，本，独立进行研巧工作所取得的成果论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的？。本人完全研巧做出重要贡献的个人和集体，均已在文中ｙ明确方式标明意识到本声明的法律结果由本人承担。，学位论文作者签名：日期：２０１６年５月ｉｆ日摘要摘要基于网络关系特征的混合推荐算法研究随着计算能力和存储能力的提升，我们正在进入DT时代。数据量爆炸式增长，寻找内容的代价不断提升，由此人们陷入严重的信息过载中。推荐系统作为解决信息过载问题的一种重要形式，近年得到了快速的发展。尤其在

4、电商领域，推荐应用场景更加广泛，推荐系统可以为商户解决长尾商品的营销问题，同时也可以为用户提供符合偏好的个性化推荐，提升用户体验。推荐系统在电商的发展过程中起到了重要作用。传统的协同过滤算法固然是很成熟的推荐算法。首先协同过滤是性价比很高的推荐算法，它需要最少的领域知识就可以建立模型而且无需复杂的特征工程。它体现的是集体智慧的思想。其次，它能在一定程度上解决未交互商品的推荐问题。在内容特征不足但用户行为数据丰富的情况下更能凸显其优势。但是协同过滤也面临着一些瓶颈。首先是冷启动的问题。当新User、Item出现时由于

5、缺乏必要的行为数据，会严重损害推荐系统的性能。其次，它无法解决行为数据稀疏的问题，这将影响算法的效果。除此之外，它无法加入更多的特征去刻画User、Item，如果只是改进相似度函数，这对算法效果的提升并不明显。推荐系统在电商场景下最重要的作用是提升用户体验并引导成交，然而随着电商规模的扩大，数据计算量也飞速增长，传统的推荐算法无法满足需求。所以本文采用了基于Match、Rank的思路进行粗召回、精排序的推荐方法，这种混合推荐的机器学习方法更容易融入更多的特征，进而更精准地刻画用户喜好。在提升推荐精度方面本文通过复杂

6、网络算法挖掘用户行为蕴含的关系特征，并将该维度的特征进行扩展应用到模型中去。其次，其次，本文还用K-Core算法提取核心节点用于Match阶段，这也可以看做是对噪声数据的清洗。该方法能够提升模型精度和鲁棒性。除此之外，还对本文用到的群落发现算法进行了分布式实现，使得大规模关系数据挖掘成为可能。从本文的实验以及结果分析中可以发现，这里提出的混合推荐算法能够显著提高推荐模型的效果。关键词：推荐系统，关系特征，复杂网络IAbstractAbstractHybridRecommendationAlgorithmBasedo

7、nNetworkingFeatureWiththeimprovementofcomputingabilityandstoragecapacity,weareenteringtheareaofDT.Theinformationhasbeengrowinginanexplosivewayandthecostoffindingthecontentisincreasing,sopeoplefallintoseriousinformationoverload.Recommendationsystemwhichisanimpo

8、rtantformofsolvingtheinformationoverload,hasbeendevelopedrapidlyinrecentyears.Especiallyinthefieldofelectronicbusiness,recommendationsystemhasbeenwidelyused,recommendationsystemcan