个性化推荐技术中的互信息相似度应用研究-计算机科学与技术专业论文.docx

另月数据 另月数据 研究生学位论文独创性声明和版权使) 11授权白 独创性声明 本人卢 月2 所也交的论文 )t，;j.人在导YijJ 指导干 iltJi的研究 r作及取得的研究 成乡I.!. 据我所知，除丁艾中特别 bl1以你注和致似的地方外，论文中-1包含他入已 何发表或淡写过t1 fr)f究成果，也不包含为获得 Jt它在直(j机构的学位 l求证书 1而使用 过的材jEl 对论文的完成键供过帮助的 11关人员 .(E论文巾作了明确的说明兴CU: 2民国!i吕 ， 问论文作者〈签字) :挫茸 斗事字 n朔: 手，， .6. 学位论文版权使用授权书 本学位论文作在完全了解(学校)何关保留、使用号 1·f守.论文的规定，有权保留 并 11回家有关部门或机构j呈交论文的印刷本和 l电子版木，允许论文被盒阅和{昔 闵@本人授权(学校)可以将学位论文的全部 l成部分内容编入有关数据库进行检 索，吁以采用影印、缩印成扫f峰等复制于段保存、汇编学位论文。 1司时授权中国 科学技术信息研究所将本学位论文收录)lI J 中国学位论文全文数据库 ? 1:通过 网络向社会公众提供依息服务。(保密的学位论文在解帘后适用本授权书) 本论文是否保密 z 娃 旷 如铺保密，制期限为 2 学位论文作者机= 严鸣 较字n阳2 严6年 4 月 1日  签字日规化4 万方数据 万方数据 摘 要 随着个性化推荐系统应用越来越广泛，推荐技术的研究也得到飞速发展。在 广泛的个性化推荐技术中，协同过滤技术的研究和应用最为热门，但是在目前协 同过滤推荐系统中用户评分数据非常稀疏的大背景下，协同过滤推荐系统的研究 依旧面临着诸多问题和挑战。本文主要针对数据非常稀疏时传统的三种相似度度 量方法过于片面或者不准确的情况，提出了一种基于互信息的用户相似度度量方 法。本文主要研究了以下几项内容： 1)介绍了推荐系统的研究背景以及国内外研究现状，着重阐述了学者们结合 信息熵对协同过滤系统展开的探索和研究。 2)分析了传统的三种用户相似度度量方法，包括 Cosine 相似度（Cosine Similarity）、皮尔逊相关系数（Pearson Correlation Coefficient）、修正的 Cosine 相似度,并总结了各传统相似度度量方法的缺点。 3)在阐述了前人研究的成果和分析了传统相似度度量方法出现问题的成因 后，本文提出了一种基于互信息的用户相似度度量方法，该方法通过计算两个用 户对项目评分的互信息来衡量两个用户之间的相似度，并将 Jaccard 相似性系数 引入到互信息相似度计算方法中，来弥补传统的相似度度量方法会夸大或缩小用 户之间的相似度，造成相似计算准确度下降的缺陷。 4)将本文提出的互信息相似度度量方法应用到公开的 MovieLens 数据集上， 把推荐的准确度作为评价标准，并与传统的相似度度量算法进行性能对比，实验 结果表明，本文提出的的方法提高了推荐的准确度，改善了推荐系统的质量。 关键词：协同过滤，推荐系统，互信息相似度，相似度计算 IV Abstract With the widespread application of recommendation systems, researches about recommendation technology have also been developed. Of all recommendation technologies ,collaborative filtering technology is the most popular in the research and application. But in the current collaborative filtering recommendation system, the data of user-item rating is very sparse so that researches about recommendation system still face many problems and challenges. For the case that the three traditional recommendation algorithms are some one-sided or inaccurate in very sparse data ,this paper proposes a new method based on mutual information to calculate the similarity between users. This paper discuss