书目详细信息
： 基于SVD++与加权Slope One混合推荐的协同过滤算法研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00(估)缴送 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于SVD++与加权Slope One混合推荐的协同过滤算法研究/.叶飞著/.杨林楠指导 |
| 出版发行项： | 2019.5.28 |
| 载体形态项： | 52页:;+图表:;+30cm |
| 提要文摘： | 伴随着互联网技术的飞速发展，网络数据成几何级增长，系统和软件中的用户和数据资源存在严重的信息过载问题，用户在海量数据中较难精准地找到感兴趣的需求信息。推荐算法根据网络系统中用户的习惯、兴趣、爱好提取用户可能感兴趣的信息进行推荐，它能较好的处理信息过载问题，高效地提升用户对推荐系统的粘合度。 推荐系统中应用较为广泛的有协同过滤推荐算法，针对传统推荐算法中冷启动问题、历史数据时效性、数据稀疏性、推荐精准度，本文提出改进的协同过滤推荐算法，旨在通过数据填充解决数据的稀疏性和二次预测提升推荐准确度。首先通过SVD++算法对用户-项目评分矩阵进行填充，初步缓解数据的稀疏性问题。然后通过引入权重将修正余弦相似度和Pearson相似度进行融合计算项目之间的相似度，最后通过加权的方式将融合相似度加入到Slope One算法，应用改进Slope One 算法对评分矩阵进行二次预测计算，提高推荐结果的准确度。混合推荐算法既能有效地缓解了数据稀疏性问题，同时也保证预测值的多样性，最终提升推荐算法的准确性。 在MovieLens数据集上针对本文提出的混合推荐算法作五折交叉实验，结果表明混合推荐算法与传统线性相关推荐算法、矩阵分解推荐算法，推荐结果的准确率明显提高。本文提出的混合推荐算法对于个性化推荐系统具备有效与可用性，有一定的应用价值和研究意义。 |
| 并列题名： | Collaborative filtering algorithm based on SVD++ and weighted Slope One hybrid recommendation |
| 题名主题： | 协同过滤 数据稀疏性 SVD++算法 融合相似度 加权Slope One算法 学位论文 |
| 中图分类： | TP391-533 |
| 个人名称等同： | 叶飞 著 |
| 个人名称次要： | 杨林楠 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20200312 |