结构相似度及其在推荐系统中的应用研究-计算机软件与理论专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、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。本人授权电子科技大学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应遵守此规定） 签名： 导师签名： 日期： 年 月 日 摘 摘 要 万方数据 万方数据 摘 要 互联网技术和电子商务的迅猛发展已经将我们带入信息爆炸时代，用户可获 取的信息量的急增使得人们生活和选择日益多元化，但是与此同时，也带来了信 息过载的问题。海量数据的同时呈现，一方面造成用户很难获取到自己感兴趣的 信息，另一方面也使得大量少人问津的信息被淹没。在这种情况下，个性化推荐 系统应运而生。 个性化推荐系统的宗旨是在海量数据中直接为用户提供符合其兴趣爱好的内 容与信息，其本质即是信息过滤。尤其是在电子商务领域，个性化推荐服务占据 着极其重要的地位。而协同过滤系统是目前应用最为广泛的个性化推荐系统，它 可以根据用户的历史信息对其未来的兴趣和爱好进行有效的预测和推荐。其中， 协同过滤系统的核心问题是如何度量用户与用户之间的相似度。本文的主要任务 即是对推荐系统中各种用户间相似度计算算法进行研究和分析，以达到最大限度 的提高推荐效果的目的。 论文的主要工作如下： 第一，对个性化推荐系统进行了较深入的研究，详细分析了各种个性化推荐 技术的内容、应用范围及现状，并重点研究了协同过滤推荐这一应用最为广泛的 推荐系统。并对数据挖掘、复杂网络以及链路预测等相关技术基础进行了介绍。 第二，文章在将传统的基于打分信息的余弦相似度和 Pearson 相关系数应用于 推荐系统的基础上，将六种基于结构的相似度算法引入到推荐系统中。基于结构 的相似度算法是利用网络结构中节点个体以及节点与节点之间的链接来分析计算 用户与用户之间或项目与项目之间的相似性关系。同时针对这两种类型的相似度 算法，文章从不同的角度进行了多组推荐实验，分析比较二者的推荐效果。 第三，在基于打分信息以及网络结构这两种类型的相似度算法的基础上，论 文提出一种新的基于结构的相似度计算方法，其同时融合了网络结构分析与用户 对项目打分信息这两个因素，从而有效的避免了这两类相似度算法各自的局限性。 最后，文章通过大量的实验数据结果验证了这种新的基于结构的相似度算法能够 比较有效的提高个性化推荐系统的质量和效果。 关键词：个性化推荐，复杂网络，协同过滤，结构相似度 I ABSTRACT ABSTRACT 万方数据 万方数据 万方数据 万方数据 ABSTRACT With the rapid development of the network and E-commerce, we have entered the era of information explosion. It makes people’s life more and more different from each other. But at the same time, it also brings the problem of information overload. Facing the massive information, on the one hand users can not find the information they want effectively, on the other hand much information which no people have cared are lost. In this case, personalized recommendation system appears. The main aim of personalized recommendation system is to provide users the information which can meet their different interests. That is to say, the nature of personalized recommendation system