基于概率矩阵分解的个性化推荐系统研究-计算机应用技术专业论文.docxVIP

独创性声明学位论文题目：基于概率矩阵分解的个性化推荐系统研究 独创性声明 学位论文题目：基于概率矩阵分解的个性化推荐系统研究 本人提交的学位论文是在导师指导下进行的研究工作及取得的研 究成果。论文中引用他人已经发表或出版过的研究成果，文中己加了 特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁 在文中作了明确说明并表示衷心感谢。 学位论文作者：译风 签字日期： 加匹年s月23日 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允 许论文被查阅和借阅。本人授权西南大学研究生院(筹)可以将学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书，本论文：口不保密，口 保密期限至 年 月止)o 学位论文作者签名：谭凤 导师签名： 李荔 签字日期： 加Is年s月勰日 签字日期：∞，舜妇毋日 万方数据 f㈣掣目 f㈣掣 目 录 摘要 1 Abstract III 第1章绪论 ．．1 1．1研究背景及意义 ．．1 1．2国内外研究现状 ．．2 1．3研究内容 ．．4 1．4论文组织结构 一6 1．5本章小结 一6 第2章基于概率矩阵分解的个性化推荐系统的相关工作 7 2．1个性化推荐系统 一7 2．1．1基于内容的推荐 一7 2．1．2基于协同过滤的推荐 一9 2．1．3混合推荐 1 0 2．2推荐系统评测 l O 2．2．1准确度 1 0 2．3．2覆盖率 12 2．3．3多样性 12 2．3．4新颖性和用户的满意度 13 2．3概率矩阵分解 1 3 2．3．1基本矩阵分解 13 2．3．2概率矩阵分解 14 2．3．3改进的概率矩阵分解 1 5 2．4本章小结 1 8 第3章基于多属性的概率矩阵分解方法的个性化推荐 一21 3．1引言 21 3．2相关技术 CTR模型 22 3．3基于多属性信息的概率矩阵分解方法进行个性化推荐 24 3．3．1相关定义 24 3．3．2原理和方法 25 3．3．3算法设计 27 3．3．4实验结果与分析 27 3．4本章小结 一33 第4章基于概率矩阵分解的分层推荐 ．．35 4．1引言 35 4．2相关技术 PTF模型 37 4．3基于概率矩阵分解的分层推荐 39 4．3．1相关定义 39 4．3．2 PMFST原理与分析 ．．39 万方数据 4．3．3层次推荐 4．3．3层次推荐 ．41 4．3．4实验结果与分析 ．42 4．4本章小结 ．46 第5章总结与展望 ．．47 5．1总结 一47 5．2展望 ．48 参考文献 ．49 致谢 ．55 攻读硕士期间的学术成果 ．57 万方数据 摘要基于概率矩阵分解的个性化推荐系统研究 摘要 基于概率矩阵分解的个性化推荐系统研究 计算机应用技术专业 硕士研究生 谭凤 指导教师 李莉教授 摘要 随着互联网信息的快速增长，个性化的推荐系统对工业界和学术界的发展都有着重 要的作用。然而，在信息高速发展的时代，传统的推荐系统面临着一系列的挑战，不仅 其自身算法存在一些难以解决的问题如数据稀疏性、冷启动、难以扩展等，而且传统的 个性化推荐系统已难以满足在大数据、信息爆炸的背景下人们对信息利用的需求。在很 多实际的应用场景中，推荐系统中的数据除了用户．项目的评分信息外，还有用户之间的 社会关系、项目的内容信息、时间信息等一些类似的辅助信息。如何在推荐系统中融入 有用的辅助信息提高推荐的精度、改善传统推荐系统存在的难题是一个很重要的问题。 本文在分析推荐系统的国内外研究现状的基础上，发现基于概率矩阵分解的方法应 用在推荐系统中能表现出很好的性能，而用户之间的社会关系引入到推荐系统中能解决 传统推荐系统中数据稀疏、冷启动的问题。但是实际中用户之间的关系是多样化和隐式 存在的，需要通过挖掘用户之间的行为才能获得。而且随着微博、微信、标签系统等以 分享内容为形式的推荐系统的出现，能融入推荐系统中的信息也迅速增长，利用这些丰 富的信息能带来更准确的推荐，能提高用户的体验度。互联网中还有时间等各种信息对 改进推荐系统的性能提供了一个很好的素材。因此，本文引入概率矩阵分解模型以结合 这些辅助信息分析解决推荐系统存在的问题。 针对推荐数据中包含的用户之间的关系和项目的多种内容信息，我们结合概率矩阵 分解模型和话题模型LDA提出了SC．PMF算法，在预测的基础上给用户进行推荐。基于提 出的sc．PMF推荐算法，我们在Bibsonomv和Citeulme两个数据集上进行了实验分析。实 验表明在共享信息多的Bibsonomv数据集中，用户表现出的兴趣偏向受社会影响的程度更