个性化推荐系统中的协同过滤算法分析-管理科学与工程专业论文.docx

重庆大学 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV effectively improve the existing traditional collaborative filtering. In addition, the recommendation accuracy has been significantly improved. Traditional collaborative filtering methods just use user-item rating matrix to generate recommendations, lead to difficult to computer the similarity because of the data sparsity. This article proposes a Hybrid Recommendation Algorithm Based on Co-Ratings and Item Category. First, The algorithm uses a IBCF based on item Category algorithm to fill the original height of the sparse user item rating matrix, after filling in the future to get a sparsity reduce user rating matrix, second use a UBCF based on common score algorithm target the matrix to calculate the final recommendation. The algorithm mixes the IBCF and UBCF, which make full use of their respective advantages. The experimental show that the proposed algorithm comparison with the traditional collaborative filtering and other algorithms. In addition, the recommendation accuracy and effectiveness has been significantly improved. Key words: Collaborative Filtering, Personalized Recommendation Systems, User preferences, Common score, UPPPCF 重庆大学硕 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 研究背景与意义 1 1.2 国内外研究现状 2 1.2.1 协同过滤推荐算法的国外研究现状 2 1.2.2 协同过滤推荐算法的国内研究现状 3 1.3 本文研究内容 4 1.4 论文组织结构 5 2 相关理论基础 7 2.1 个性化推荐系统概述 7 2.2 个性化推荐系统的分类 8 2.2.1 基于内容的推荐系统 8 2.2.2 基于关联规则的推荐系统 9 2.2.3 混合推荐系统 10 2.3 协同过滤推荐算法概述 11 2.4 协同过滤算法的基本步骤 11 2.4.1 数据表述 12 2.4.2 计算最近邻居集 13 2.4.3 预测推荐 14 2.5 协同过滤算法的分类研究 15 2.5.1 基于内存(Memory-based)的协同过滤推荐算法 15 2.5.2 基于模型的协同过滤推荐算法 17 2.5.3 混合推荐 19 2.6 协同过滤算法存在的问题以及解决方法 19 2.6.1 冷启动问题 19 2.6.2 数据稀疏 20 2.6.3 可扩展性问题 21 2.6.4 鲁棒性问题 21 2.7 本章小结 21 3 基于用户偏好和项目属性的协同过滤推荐算法 23 TOC \o 1-2 \h \z \u HYPERLINK \l _TOC_250002 3.1 用户偏好和项目属性的协同过滤推荐算法（UPPPCF）的概述 23 HYPERLINK \l _TOC_250001 UPPPCF 算法的提出背景 23 HYPERLINK \l _TOC_250000 UPPPCF 算法中的相关概念 24 3.1.3 基于用户偏好的用户项目类别类型属性评分矩阵 25 3.1.4 计算相似性