基于用户情景模糊聚类的协同推荐分析及应用-analysis and application of collaborative recommendation based on fuzzy clustering of user situations.docxVIP

effectivelyrelievedthesparsityofratingdataandimprovedtheaccuracyoftheneighborsselected.Forthethirdpoint,theinfluenceofbothofusercontextinformationanduserratinginformationaretakenintoconsideration,users’comprehensivesimilarityisgotbyacertainweightcombinedwithusers’subjectiveratingsimilarityandobjectivecontextsimilarity.Thismakesthesystemcanrecommendfornewuserswhohaveneverevaluatedanyitem.Thisarticleusedbothmetricsofmeanabsoluteerror(MAE)andmeanabsolutepercentageerror(MAPE)toverifythealgorithmonMovieLensdataset.Theexperimentalresultsindicatedthat,comparedwithtraditionalcollaborativefilteringrecommendationalgorithmandanimprovedcollaborativefilteringrecommendation,therecommendationaccuracyoftheadvancedapproachwasimprovedtosomeextent.Lastly,thearticleillustratedthepracticalapplicationofthemodifiedmethodthroughanactualproject.Keywords:UserContext,FuzzyClustering,SlopeOne,CollaborativeFilter,Recommendation目录中文摘要I英文摘要II1绪论11.1研究背景11.2国内外研究现状21.3论文研究的目的和内容31.3.1论文研究的目的31.3.2论文研究的主要内容31.4论文的结构安排42个性化推荐系统相关技术概述52.1基于关联规则的推荐技术52.2基于内容的推荐技术72.3协同过滤推荐技术92.3.1基于用户的协同过滤技术92.3.2基于项目的协同过滤技术112.4混合推荐技术132.5本章小结143传统用户相似性度量方法的改进及模糊聚类技术153.1传统用户相似性度量的改进算法153.1.1问题的提出153.1.2算法改进思路163.1.3算法提出173.2模糊聚类技术193.2.1模糊聚类理论193.2.2模糊聚类算法203.3本章小结234基于用户情景模糊聚类的协同推荐算法244.1用户情景信息的影响244.2基于用户情景模糊聚类的协同推荐算法254.2.1用户情景相似度聚类254.2.2寻找最近邻居274.2.4生成推荐294.2.5算法推荐流程294.3实验结果及分析304.3.1实验数据及实验环境304.3.2实验的评价标准314.3.3算法复杂度分析324.3.4实验过程及结果334.3.5实验结论374.4本章小结375基于用户情景模糊聚类的协同推荐算法应用385.1应用背景概述385.2推荐系统功能模块设计395.2.1情景信息模块405.2.2评论模块425.2.3学习资源推荐模块435.3本章小结456总结与展望466.1全文工作总结466.2工作展望46致谢48参考文献49附录53A．作者在攻读学位期间发表的论文目录53B．作者在攻读学位期间科研工作情况531绪论1.1研究背景随着计算机技术和互联网技术的迅猛发展，人类社会已经步入信息化时代。特别是近几十年来，网络上充斥的资源量呈现出“爆炸式”的增长，形成了一个包罗万象的信息海洋。据有关统计，每隔二十个月，全球的总的数据量就会增加一倍，俨然成了一个巨大的信息海洋。信息技术的发展和互联网的普及一方面使用户更方便地接触到更多的信息，但另一方面用户在享受信息技术带来的便利的同时，也遇到了“信息过载”的问题。一些搜索引擎通过用户输入关键字可以检索出相关内容，但由于缺乏用户感兴趣的知识，会把所有与之相关的信息全部呈现给用户，不能过滤掉用户不感兴趣的信息。也有一些电子商务网站会有“热点推荐”的功能，但也是面向所有用户的非个性化推荐。面对如此庞大的数据资源，作为信息使用者的我们显得无所适从。如果没有智能化的方法帮助我们快速地捕捉到自己所需的信息和内容，那么包含了丰富数据的信息海洋也就