考虑时间动态性的协同过滤算法及其应用研究-工业工程专业毕业论文.docxVIP

Dissertation Submitted to Hebei University of Technology for The Master Degree of Industrial Engineering RESEARCH ON COLLABORATIVE FILTERING WITH TEMPORAL DYNAMICS AND THE APPLICATION by Xu Chenxi Supervisor: Prof. Li Jie December 2014 This work supported by the Natural Science Foundation of Hebei Province No. G2014202148. 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得 的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表 的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究 工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声 明的法律责任由本人承担。 学位论文作者签名： 日期： 关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定：学校有 权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全 文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库 进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 日期： 导 师 签 名： 日期： I I 摘 要 随着电子商务的崛起，越来越多的人选择使用电商去购物，同时对电商的购物体 验有个更高的要求。个性化推荐系统就是为了增加客户的购物体验而生的，在现实中 应用广泛。个性化推荐算法中，应用最成功的是协同过滤推荐算法。 本文分析了现有协同过滤算法存在的不足，以及关于时间动态性的研究现状，指 出了一个重要的问题——商品是有先后购买顺序的。传统的协同过滤算法只考虑了用 户或商品之间的相关程度，并没有根据商品的序列模式进行挖掘并推荐。本文结合现 有算法的优点，加入了时间动态性的特点，提出了一个考虑时间动态性的协同过滤推 荐综合性改进算法，并通过真实的电子商务销售数据进行实验测试，验证了其推荐效 果更佳。 本文的主要内容包括以下几点： （1） 通过对现有文献的综述研究，找到目前学者们的研究重点和研究方向，总 结现有研究的特点，分析传统协同过滤推荐算法的不足之处，总结出现有算法大多只 在某一两个方面进行改进，而加入时间动态性的研究也只停留在用户兴趣的改变上， 从而引出了本文要研究的方向和重点。 （2） 结合现有研究中的优秀改进方向和改进方法，加入商品序列模式的筛选和 去除热门效应的影响，提出一个综合性的协同过滤推荐算法解决方案。其核心的思路 可以总结为首先对原始数据集进行预处理，包括去噪音和聚类等；然后用一个新的相 似度函数进行计算最近邻居，这个相似度计算函数考虑了热门系数，评分系数和时间 系数；最后使用 GSP 算法挖掘商品的序列模式，对推荐结果集进行再次筛选，解决了 用户买鼠标后给其推荐电脑的问题。 （3） 收集了亚马逊的真实评论数据，对本文提出的改进算法进行实验设计和推 荐效果验证。与传统的协同过滤算法进行比较，提高了推荐的准确率，并改善了传统 算法中存在的数据稀疏性等问题，验证了改进算法的推荐效果更优秀。 关键字：协同过滤 个性化推荐 时间动态性 PAGE PAGE III IV IV ABSTRACT With the rise of electronic commerce, more and more people choose to use it go shopping, also request higher on the shopping experience. Personalized recommendation system is to increase the customer shopping experience, widely used in reality. The most successful is the application of personalized recommendation algorithms is collaborative filtering recommendation algorithm. This pape