个性化推荐系统的设计与实现-计算机技术专业论文.docx

上海师范 上海师范大学硕士学位论文 摘要 万方数据 万方数据 摘要 随着互联网技术的日趋成熟，人们在网上进行购物、看视频、看小说以及听 音乐等各种活动，因此，越来越多的数据就这样产生了。在如此巨大的信息量中 找出自己感兴趣的信息，传统的做法是用户根据键入的关键字，再利用百度、谷 歌等搜索引擎，从而找出有用的信息。然而，一旦用户输入的关键字不够准确， 就会错过很多有用的信息，这也是搜索引擎的缺陷所在。因此，为了有效利用这 些“暗信息”，一门新兴的技术—推荐系统便由此产生了。 协同过滤推荐系统是最早的推荐系统，同时也是最经典的、使用最广泛的推 荐系统。协同过滤推荐系统不仅能发现用户潜在的，但是自己并未发现的兴趣爱 好，而且还能推荐艺术品、音乐和电影等难以进行分析内容的产品。但同时，他 存在一些难以解决的问题，比如，如何对新用户进行推荐，如何推荐新产品；如 何对推荐结果进行有说服力的解释；推荐产品的分类是否准确；对商品预测评分 是否准确等。基于内容的推荐系统，可以看做是协同过滤推荐系统延续和发展。 它不仅可以解决协同过滤推荐系统对新用户和新产品无法进行推荐的问题，而且 还能更好的对推荐结果进行合理的解释。但是，它同样存在分类准确性问题和预 测评分准确性的问题。近几年兴起的基于网络结构的推荐算法，以物质扩散算法 最具代表性。物质扩散系统具有推荐效果好，分类和预测都比较准确，实现相对 比较简单的优势，但是，它却没有考虑到用户评分对推荐效果的影响。 本文主要改进了物质扩散推荐算法中初始资源矩阵和资源转移矩阵中的参 数，参考了用户对商品的评分，作为初始资源矩阵和资源转移矩阵中的调节因子。 用户的评分可以直观的表示出用户对商品的喜爱程度，加入用户评分参数，可以 使得算法的分类准确性和预测精确性得到进一步的提升，推荐的结果让用户更加 满意。利用 MovieLens 网站上的用户观看电影产生的数据集对算法进行测试，并 对比分析了基于用户的协同过滤推荐算法、基于商品的协同过滤推荐算法、基于 内容的推荐算法和标准的物质扩散算法与本文改进算法的实验结果，实验结果表 明，改进算法的分类准确性及预测准确性，优于现有的推荐算法。此外，本文使 用了统计和大数据分析领域使用非常广泛的工具 R，对数据进行挖掘分析。 关键词: 推荐系统, 物质扩散推荐算法, 用户评分，分类准确性, 预测准确性 I Abs Abstract Shanghai Normal University Master of Philosophy Abstract With the growing maturity of Internet technology, People do some activities on the Internet, such as shopping, listening, and looking some videos. As a result, more and more data is generated. As the amount of information increases, it becomes increasingly difficult for people to find the information they are interested in. Traditional approach is entering a number of key words, and then using the Search Engines such as Baidu and Google to find the useful information. However, if people can’t provide a very effective keyword, which leads to the search engine can’t quickly find useful information. It is the existence of the search engine ‘s these shortcomings. In this way, there is more and more dark information on the Internet. Therefore, a new technology - the recommended system has been produced for using the dark information effectively. Collaborative filtering recommendation system is the first recommendation s