检索结果-南通市图书馆

基于slope one算法的协作过滤个性化推荐系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Slope One算法的协作过滤个性化推荐系统设计与实现

作者：李朝阳华中科技大学

学位级别：硕士

随着Internet的日益普及,商业网站的蓬勃发展,如何提高商业网站的有效性,尤其是如何运用个性化推荐技术提供个性化服务来实现已逐渐成为一个能引起广泛兴趣的热点课题。虽然商业网站从“以站点为中心”向“以用户为中心”发展成为... 详细信息

随着Internet的日益普及,商业网站的蓬勃发展,如何提高商业网站的有效性,尤其是如何运用个性化推荐技术提供个性化服务来实现已逐渐成为一个能引起广泛兴趣的热点课题。虽然商业网站从“以站点为中心”向“以用户为中心”发展成为必然趋势。但目前国内大多数商业网站的商品推荐通常是:推荐热销产品;推荐相关产品;依据用户浏览历史的信息进行推荐。前两种推荐由于根本未考虑不同用户的个性特点,因此推荐完全不具备个性化的特点,第三种推荐有一定的个性化成份,但多数网站还仅仅停留在仅针对该用户一个人浏览历史的信息,只是为每个用户建立了一个个人浏览信息档案,没有横向进行信息综合,因此没有协作推荐的价值。论文论述了基于协作过滤技术的个性化推荐系统有关理论和此理论在工程上的应用,以及此种类型系统存在的不足和困境。进一步探讨slope one算法,此算法是由Daniel Lemire教授在2005年提出的一个Item-Based推荐算法,可应用于各类以网上商品销售为主业务的网上商店,以及提供文章、新闻、音乐、电影等“无形”的产品的网络站点。用于帮助商店经营者,网络站点从事产品的个性化推荐,提高营销及服务质量,更好地挖掘潜在客户及客户的使用、购买潜能。但是此算法还没有得到商业上的应用。论文以J2EE框架设计实现系统,重点论述了个性化推荐模块的实现。首先采用当前的热门框架“JSF+Spring+Hibernate”作为系统架构,以自己的工程实践经验从业务层面对系统进行分层。以当前个性化推荐系统取得的成果和存在的问题为导向,对基于slope one算法的个性化推荐系统进行设计和实现,在一定程度上给予评估,为此算法在商用系统上的应用做出一些探索。

关键词： slope one算法协作过滤个性化推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚类的加权slope one算法研究

基于聚类的加权Slope One算法研究

作者：徐祥申浙江理工大学

学位级别：硕士

推荐系统是互联网高速发展的产物,在人们的生活、学习以及工作中发挥着非常重要的作用。现如今,推荐系统已经在电子商务、电影、社交等领域获得飞速发展,国内外针对推荐系统的应用研究一直是近年的研究热点。推荐算法及其所依赖的大数... 详细信息

推荐系统是互联网高速发展的产物,在人们的生活、学习以及工作中发挥着非常重要的作用。现如今,推荐系统已经在电子商务、电影、社交等领域获得飞速发展,国内外针对推荐系统的应用研究一直是近年的研究热点。推荐算法及其所依赖的大数据是推荐系统的核心。推荐系统中最常用的推荐算法是协同过滤推荐算法(Collaborative Filtering,CF)。本文对协同过滤算法中比较经典的slope one算法进行深入研究,并针对该算法存在的缺陷,提出了以下两点改进措施:第一点,针对原始的slope one算法没有考虑用户相似性和数据稀疏情况下,推荐效果不如传统的协同过滤算法好等问题。本文提出了一种基于聚类的用户加权slope one算法。该算法首先为解决评分矩阵稀疏性的问题,引入奇异值分解技术对评分矩阵进行降维填充处理,然后使用改进的k-means算法对降维填充处理后的评分矩阵聚类划分,进而减少近邻用户的搜索时间,提高算法的可扩展性,最后融合用户相似度改进传统的slope one算法没有考虑用户相似性的问题。第二点,针对原始的slope one算法没有考虑项目相似性且使用原始的相似性度量方法不能挖掘出项目本身具有的内部特征这一问题。此外随着时间的推移,用户兴趣也会有所改变,从而使算法的预测准确度可能出现偏差。为了解决这些问题,本文提出了一种基于聚类的项目加权slope one算法。该算法为了能够在原始的slope one算法上融合项目相似度并且能够挖掘出项目本身所具有的类别,首先根据项目的特征属性使用聚类算法或者项目本身所具有的自然类别对项目进行分类,将项目划分为多个类别,这样就可以对目标项目所属类别进行相似度计算,进而在一定程度上弥补了数据稀疏造成的问题,然后为了突出新数据的作用削弱旧数据对评分造成的影响,引入时间权重函数,最后对目标项目同属于一类的项目评分求其项目相似度及K近邻并与时间权重函数一起融合到加权slope one算法中进行评分预测。为了验证本文所提出的两个算法,以真实的MovieLens数据集为实验数据源,将本文所提出的两个的算法分别跟其他现有的算法进行比较分析来验证本文所提出的算法。实验结果表明,本文所提出的算法可以有效缓解评分矩阵存在的稀疏性问题,减少最近邻用户或项目的搜索时间,提高评分预测的精度,拥有更好的可扩展性等优点。

关键词：协同过滤 slope one算法用户相似度项目相似度

基于Flink的slope one算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Flink的Slope One算法研究

作者：谢浩天江苏科技大学

学位级别：硕士

随着数据时代的到来,海量数据的低密度价值,高增长速度的特征导致了数据分析,数据挖掘领域发展迅猛,同时,如何将有价值的数据信息呈现给用户已成为一个聚焦点。国外率先将推荐推荐系统应用到商业软件中,并取得不俗的成就。国内互联网在... 详细信息

随着数据时代的到来,海量数据的低密度价值,高增长速度的特征导致了数据分析,数据挖掘领域发展迅猛,同时,如何将有价值的数据信息呈现给用户已成为一个聚焦点。国外率先将推荐推荐系统应用到商业软件中,并取得不俗的成就。国内互联网在推荐方面也发展迅猛。推荐系统是利用系统收集到的用户历史行为数据,对数据进行建模分析然后将有价值的数据推荐给用户。在数据时代,海量数据情况下,传统的推荐系统在推荐速度和推荐准确度上都显得不足。本文提出了一种基于用户相似度和项目相似度的加权slope one协同过滤算法,并且在Flink分布式平台上实现了该算法。本文的主要研究内容如下:（1）本文综述了推荐算法的相关概念,详细的阐述了slope one算法以及加权slope one算法原理以及实现过程。介绍了大数据技术的发展历史,以及数据处理技术向实时计算方向发展而产生的流计算处理框架。对本文使用的Flink平台进行了详细的讲述,包括架构原理,运行组件等。（2）针对传统slope one算法在预测项目评分是未考虑用户相似度和项目相似度的影响因素,本文将二者作为权重因子对slope one算法进行加权优化。使用欧氏距离公式与皮尔逊相关系数组合的计算公式来计算用户间的相似度,对用户评分相似度和项目语义相似度进行混合加权作为项目相似度,将这两个相似度因子用来改进slope one,最后通过实验验证了改进算法有效性。（3）搭建分布式平台,将并行化设计后的改进算法在Flink上实现,设计多个实验对改进算法在分布式平台上的表现进行对比评估,实验结果表明,本文提出的基于Flink的改进slope one算法在大数据环境下具有较好的预测准确度和运算速度。

关键词：推荐系统 slope one算法相似度 Flink平台

基于项目分类和K-means聚类的加权slope one算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于项目分类和K-means聚类的加权Slope One算法研究

作者：温志慧燕山大学

学位级别：硕士

协同过滤推荐算法是现实世界应用最广泛、最成熟的算法之一。本课题研究的slope one算法就是一种基于项目的协同过滤推荐算法,该算法因其简单高效的特点受到众多学者的青睐。但该算法将所有用户和项目看的同等重要,当数据集过于稀疏时... 详细信息

协同过滤推荐算法是现实世界应用最广泛、最成熟的算法之一。本课题研究的slope one算法就是一种基于项目的协同过滤推荐算法,该算法因其简单高效的特点受到众多学者的青睐。但该算法将所有用户和项目看的同等重要,当数据集过于稀疏时算法的预测精度和可扩展性都面临严峻挑战。针对这些问题,本课题提出了相应的改进措施。首先,简单介绍了推荐系统产生的背景和研究现状,描述了协同过滤推荐算法的相关知识。紧接着重点讲解了slope one算法的相关内容,总结了算法的优缺点,并提出相应的改进方案。其次,随着用户和项目数量的急剧增长,计算量也随之增加,该情况会导致算法的可扩展性差。因此本文考虑利用项目分类信息划分评分矩阵,使slope one算法的相关计算在目标项目所在的分类矩阵中进行。为了区分用户,引入分类专家,即利用专家用户的评分计算项目间偏差;为了区分项目,引入项目动态k近邻,即利用用户对近邻项目的评分计算偏差和预测评分。这种改进方案不仅减小了计算量,同时还过滤了不相关用户或项目对预测结果的影响,提高了推荐精度。然后,考虑到有的数据集不包含项目属性信息,此时采用K-means聚类方法,利用评分信息分别对用户和项目聚类。对于基于用户聚类的方法,需要在目标用户所在的聚类中寻找该用户的k近邻,然后根据近邻用户的评分计算项目偏差;对于基于项目聚类的方法,需要在目标项目所在的聚类中寻找该项目的k近邻,然后根据用户对近邻项目的评分计算偏差和预测评分。该方案同样可以减小计算量和提高预测准确性。最后,通过实验验证本文提出的改进算法的预测准确性优于原算法。

关键词：协同过滤推荐算法 slope one算法 K-means聚类分类专家动态k近邻

融入用户-项目标注网络影响力的改进slope one算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

网络安全技术与应用 2020年第5期 58-59页

作者：刘铮张妍辽宁大学信息学院辽宁110000 济南职业学院计算机学院山东250103

在协同过滤推荐领域中,slope one算法取得了较好的效果,但是该类算法忽略用户及项目影响力差异性。针对此处不足,本文提出融入用户-项目标注网络影响力的改进slopeone算法,该算法从用户影响力及项目热度两方面计算权重值,并融入传统算法... 详细信息

在协同过滤推荐领域中,slope one算法取得了较好的效果,但是该类算法忽略用户及项目影响力差异性。针对此处不足,本文提出融入用户-项目标注网络影响力的改进slopeone算法,该算法从用户影响力及项目热度两方面计算权重值,并融入传统算法中,达到了进一步提高算法准确率的目的。将本文算法应用在MovieLens数据集上与若干近似算法对比试验,结果显示本文算法在推荐准确率上有明显提升。

关键词：协同过滤推荐社会化标注 slope one算法

基于项目相似度的加权slope one算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

现代计算机 2023年第9期29卷 60-63页

作者：洪继炜王佳斌刘成华侨大学工学院泉州362021

个性化推荐技术为人们处理信息过载问题提供了一种有效的解决方式。slope one算法是预测评分的推荐算法,通过用户对项目的评分差异来预测评分,再根据预测评分进行推荐。但是,它并未考虑到项目相似度的问题。因此,提出项目相似度的加权Sl... 详细信息

个性化推荐技术为人们处理信息过载问题提供了一种有效的解决方式。slope one算法是预测评分的推荐算法,通过用户对项目的评分差异来预测评分,再根据预测评分进行推荐。但是,它并未考虑到项目相似度的问题。因此,提出项目相似度的加权slope one算法,先使用Person相关系数计算出项目相似度,将Person相关系数归一化后与slope one算法加权结合。最后,在Movielens数据集上进行实验,发现改进后的算法在MAE值上有较好的结果,使推荐更加准确。

关键词：推荐算法协同过滤项目相似度 Person相关系数 slope one算法

融合灰关联分析和信任度的slope one算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年第1期44卷 83-89页

作者：陈露露张岐山朱猛福州大学经济与管理学院福州350108

作为一种有效的协同过滤算法,slope one算法被广泛地应用到一些推荐系统中.但该算法在评分预测时仅根据项目之间的评分偏差以及用户的历史评分信息,未能考虑用户之间的潜在联系,而且数据稀疏性和冷启动问题也会限制算法的推荐性能.因此... 详细信息

作为一种有效的协同过滤算法,slope one算法被广泛地应用到一些推荐系统中.但该算法在评分预测时仅根据项目之间的评分偏差以及用户的历史评分信息,未能考虑用户之间的潜在联系,而且数据稀疏性和冷启动问题也会限制算法的推荐性能.因此,为了提高算法的推荐质量,本文采用均衡接近度灰关联方法度量用户关联度,从而有效挖掘用户之间的潜在联系;并引入用户信任模型来缓解冷启动问题对算法的影响,将均衡接近度和信任度作为权重因子加权到评分预测过程.论文研究并提出了一种融合灰关联分析和信任度的slope one算法,并通过实验验证了算法的有效性.实验结果表明,该算法可以有效地提高算法预测准确度,缓解数据稀疏性和冷启动问题对算法的影响.

关键词：协同过滤均衡接近度灰关联 slope one算法信任

基于Hadoop的slope one及其改进算法实现

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Hadoop的Slope One及其改进算法实现

作者：王毅西南交通大学

学位级别：硕士

用户推荐系统是一种通过分析用户的个人喜好,例如用户浏览过或者已经购买的商品的信息,向用户推荐其可能喜欢的项目的智能系统。它可以在一定程度上帮助人们在海量信息中寻找自己喜欢的内容。用户推荐系统的核心是个性化推荐技术,现在... 详细信息

用户推荐系统是一种通过分析用户的个人喜好,例如用户浏览过或者已经购买的商品的信息,向用户推荐其可能喜欢的项目的智能系统。它可以在一定程度上帮助人们在海量信息中寻找自己喜欢的内容。用户推荐系统的核心是个性化推荐技术,现在比较成熟推荐技术主要基于协同过滤算法。但由于用户兴趣的不稳定性和模糊性,这些方法仍然不能够很好的理解用户喜好,从而影响了推荐的效果。相对传统的基于用户对项目评分的协同过滤算法,slope one算法简单、高效。但该算法依赖于大量用户对待预测项目的评分,如果对预测项目的评分的用户没有或者较少,就会遭遇“冷启动”的问题。同时slope one算法只考虑了不同用户间评分的相似性,而没有考虑同一个用户对项目评分的个人习惯,这些都可能对评分预测结果有所影响。为了解决这个问题,引入了项目的内容相似性,考虑了描述项目的关键字语义相似和项目类型相似这两个因素。利用这些相似性去度量项目间的相近程度,并结合用户对其他项目的评分提出了一种基于项目内容相似的slope one算法。最后在Hadoop平台上,基于MapReduce分布式编程模型设计了一套slope one及其改进算法的实现方法,并在标准的MovieLens数据集上进行实验。实验结果表明slopeone算法随着数据集用户评分记录数量的增加能够改善算法预测的性能。同时加入了项目内容相似因素的新算法可以在一定程度上解决原算法可能出现的预测精度降低的问题。

关键词： slope one算法语义相似协同过滤

slope one推荐算法的改进与应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Slope One推荐算法的改进与应用研究

作者：余洋西安石油大学

学位级别：硕士

随着互联网发展,越来越多的人享受着推荐系统带来的便利,推荐系统帮助用户更加容易地获取感兴趣的内容。推荐算法在推荐系统中占有重要地位,本文研究的slope one推荐算法是一种基于物品的协同过滤算法,被广泛应用于推荐系统中。旅游业... 详细信息

随着互联网发展,越来越多的人享受着推荐系统带来的便利,推荐系统帮助用户更加容易地获取感兴趣的内容。推荐算法在推荐系统中占有重要地位,本文研究的slope one推荐算法是一种基于物品的协同过滤算法,被广泛应用于推荐系统中。旅游业正在蓬勃发展,智慧旅游成为新的热点,推荐算法加快智慧旅游发展。在应用中slope one算法往往面临单一权重和稀疏性影响推荐质量的问题,针对slope one算法遇到的挑战,本文提出对slope one算法的优化策略,主要工作如下:(1)针对slope one算法选取同时对两个物品都产生过评分的用户数量作为唯一评分权重,本文提出基于多权重的slope one(Multi-Weight slope one,MWSO)算法,对预测物品评分提供积极帮助。(2)针对稀疏性问题,本文提出基于辅助项的多权重slope one(Multi-Weight slope one with Auxiliary Item,AMWSO)算法。AMWSO算法在用户未评分的项目中选择与预测项目相似度最高的物品作为辅助项,并综合用户的评分和其他用户对辅助项的评分得到辅助项的评分,结合MWSO算法预测目标物品评分。(3)推荐算法在实际应用中需要注意推荐效率的问题,本文在AMWSO算法基础上提出了改进的基于辅助项的多权重slope one(Improved Multi-Weight slope one with Auxiliary Item,IAMWSO)算法,通过缩小辅助项选择范围并结合多线程和缓存技术来共同提高时间效率。(4)将改进后的IAMWSO算法应用到旅游景点推荐中,使用网络爬虫获取网站原始数据,对数据清洗后应用IAMWSO算法得到推荐结果。

关键词： slope one算法多权重辅助项推荐应用