一种融合用户上下文信息和评分倾向度的协同过滤推荐系统.pdfVIP

proposed algorithm from four aspects: the similarity based on user context information, the similarity based on users score, the dynamic score prediction and the effectiveness of CPCF algorithm. The results show that the proposed algorithm can effectively alleviate the data sparsity problem and improve the accuracy of prediction and recommendation accuracy. KEY WORDS ：Recommender system, Collaborative filtering, User context information, Rating preference 万方数据 目 录 第一章 绪论 1 1.1 研究背景 1 1.2 研究意义3 1.3 国内外研究现状4 1.4 本文的主要研究工作6 1.5 论文的组织结构7 第二章 传统协同过滤推荐算法分析9 2.1 基本概念9 2.2 用户偏好建模 11 2.3 相似性度量 12 2.3.1 余弦相似性 12 2.3.2 Pearson 相关系数 13 2.3.3 Jaccard 系数 13 2.4 评分预测 14 2.5 协同过滤推荐系统评价方法 14 2.5.1 评分预测准确度 14 2.5.2 分类准确度 16 2.5.3 排序准确度 17 2.5.4 覆盖率 18 2.5.5 多样性和新颖性 19 2.6 传统协同过滤问题分析 19 第三章 一种融合用户上下文信息和评分倾向度的协同过滤算法21 3.1 基于用户上下文信息的相似度21 3.2 基于用户评分倾向度的相似度24 3.3 选择最近邻居集27 3.4 动态评分预测方法28 3.5 CPCF 推荐算法描述29 第四章 实验及结果分析31 4.1 数据集及实验环境31 4.2 评价指标31 4.3 实验结果及分析32 4.3.1 基于用户上下文信息的相似性计算方法的有效性32 4.3.2 用户评分倾向度的有效性34 4.3.3 动态选择基于用户和基于项目的评分预测的有效性36 4.3.4 CPCF 算法的有