基于用户协同过滤推荐技术的研究与实现

作     者：郎鹏程 

作者单位：宁夏大学 

学位级别：硕士

导师姓名：毕利

授予年度：2017年

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：推荐技术 协同过滤 相似用户 相似度 

摘      要：随着网络信息的爆炸式增长,给信息的使用者带来了极大的困难。目前解决信息过载问题可通过一种信息过滤的方法即智能推荐技术。目前比较重要的几种推荐算法是基于协同过滤的推荐、基于内容的推荐和基于知识的推荐。基于协同过滤的推荐算法是基于用户对商品的评分或者购买收藏等行为模式来为用户提供个性化的推荐。基于用户协同过滤的推荐方法有几个关键步骤。一是计算相似度,相似度的计算可以根据情况不同选择不同的计算方法。常用的方法有Pearson相关系数法、余弦相似度法、Spearman法等。二是选择用户近邻,在选择时首先应该通过阈值过滤、负值过滤等方法过滤预选近邻,然后确定合适的用于预测的近邻数。最后本文在系统的需求下提出了一种带价格因子的改进型推荐策略,本推荐策略在计算相似度时引进了价格因子来权衡购买能力对用户相似度的影响,从而使相似用户群体和推荐列表更加匹配用户的购买能力。之后使用web技术对基于用户的协同过滤推荐系统进行了实现,实现了对酒品的管理、用户的管理、用户收藏的管理等前后端功能,用户在登录系统并表达兴趣后会获得系统为其推荐的酒品。