检索结果-南通市图书馆

作者：杨明政广东工业大学

学位级别：硕士

互联网作为人们获取信息的主要途径,在给人们生活带来便利的同时,也使得人们不得不面临信息过载的问题。由于推荐系统能有效缓解信息过载,在互联网公司中应用非常广泛,其中,协同过滤推荐系统作为推荐系统领域的重要分支,一直是相关学者... 详细信息

互联网作为人们获取信息的主要途径,在给人们生活带来便利的同时,也使得人们不得不面临信息过载的问题。由于推荐系统能有效缓解信息过载,在互联网公司中应用非常广泛,其中,协同过滤推荐系统作为推荐系统领域的重要分支,一直是相关学者研究的重点。由于协同过滤推荐算法对系统的推荐准确性要求较高,算法的实现通常会很复杂,与此同时,在真实的网络环境中不可避免的存在虚假评分误导用户、算法在处理与用户相关的推荐任务时往往表现不佳等问题,为了解决以上问题,本文提出了一种基于可信数据和改进用户相似度融合的slope one协同过滤推荐算法,本文的主要工作如下:1.在基于用户的协同过滤算法中,用户相似度虽然能使用改进cosine相似度和皮尔逊相关度来得出,但是可能会忽略不同用户对单个项目的评价差异对用户相似度计算所造成的影响,即在计算用户相似度时,用户对项目的评分向量有显著差异时,仍会得到相似的合向量结果,最终影响系统的推荐准确性。针对这一问题,本文提出一种改进的用户相似度算法。该算法在传统的余弦相似度算法中加入了平衡因子来计算不同用户之间的项目评分差异。通过在Movie Lens数据集下测试,得到了最合适的平衡因子值,同时验证了基于该平衡因子的最佳阈值在算法实现中的有效性,有效地缓解了用户对项目评分差异对相似度计算结果的影响,获得了较好的推荐结果。2.深入研究了基于可信数据的融合推荐算法,为了提升在相同可信率下推荐系统的准确性,提出了一种基于可信数据和改进用户相似度融合的slope one算法,该算法包括三个步骤,首先,我们选择具有一定数量的可信数据,其次使用改进的相似度算法计算用户之间的相似度,最后,我们将得来的相似度加权到slope one算法中,得到最终的改进推荐算法。经过一系列实验,最终结果表明本文提出的改进slope one推荐算法比传统的slope one算法在相同可信率下MAE、RMSE指标表现更好,同时在邻居数较低时也能获得较好的推荐性能,缓解了评分矩阵的数据稀疏性,具备很高的实用价值。

关键词：协同过滤用户相似度推荐准确性 slope one算法可信数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

协同过滤算法的局限性及其改进

协同过滤算法的局限性及其改进

作者：王汇琳沈阳工业大学

学位级别：硕士

随着互联网的飞速发展,信息也迅速增多,信息过载的问题就来了,人们无法在这么多的信息中选择自己真正感兴趣的信息,这个时候推荐系统就诞生了。它可以帮助人们在面对海量数据时快速获得预期的信息,现在已经应用到多个领域。协同过滤算... 详细信息

随着互联网的飞速发展,信息也迅速增多,信息过载的问题就来了,人们无法在这么多的信息中选择自己真正感兴趣的信息,这个时候推荐系统就诞生了。它可以帮助人们在面对海量数据时快速获得预期的信息,现在已经应用到多个领域。协同过滤算法是目前最流行的推荐系统构建方法,是数据挖掘和信息检索领域研究较多的技术,已经成功地应用于许多软件中。在过去的几十年里,由于互联网的快速增长,产生了大量的数据,协同过滤算法面临着评价矩阵稀疏性,数据不断增长和冷启动的问题,这对协同过滤算法构成了挑战。针对算法存在的数据稀疏问题,本文采用了加权slope one算法对评分矩阵空缺处进行填充。它的优势是简单易实现,可及时在线更新,然而,加权slope one算法不计算项目之间的相似度,这样会对评分预测造成偏差,影响推荐质量。所以用引入差异因子的皮尔逊相关系数计算项目类型和项目评分矩阵的相似度,将二者进行线性组合,通过对参数的调节得到最终的项目相似度,将相似性从高到低排列,取前N个作为邻居项目,然后用加权slope one算法对待评分项目进行预测,并将预测值用于填充原始的用户-项目评分矩阵。引入项目类型相似度,可以避免相似度低的项目的干扰,提高预估值的准确性。通过与原始加权slope one算法进行比较,改进后的算法平均绝对误差值明显小于原始算法。针对算法存在的扩展性问题,本文引入了聚类的思想。先用Canopy算法对数据进行粗聚类,确定聚类数,引入“最大最小距离积法”选取初始点,用来提升准确度,接着用K-means算法进行聚类,在生成多个聚类簇之后,将修正的余弦相似度与用户属性特征相结合,形成新的相似度计算模型,最后进行相应的推荐。聚类可以减小目标用户的搜索范围,并简化算法的执行时间,从而提高系统的可扩展性。通过与其他四种协同过滤算法进行对比,可以看出在一定范围内本文算法的平均绝对误差值小于其他算法,证明改进算法精度更高,而且实验表明改进算法耗时更少。采用Movielens数据集来验证本文所提出的两个算法,与其他算法进行对比分析,实验结果表明,本文的算法可以有效缓解评分矩阵存在的稀疏性问题,拥有更好的可扩展性等优点。

关键词：协同过滤算法 slope one算法 K-means算法最大最小距离积法相似度

基于Spark平台的协同过滤推荐算法的研究与实现

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Spark平台的协同过滤推荐算法的研究与实现

作者：王晓亮大连交通大学

学位级别：硕士

当今社会,互联网技术获得前所未有的高速发展,促使信息化技术遍及社会生活中每一个角落。各种信息数据也在持续不断地增长,而从这些海量的数据中抓取有效的信息已经成为当下迫切需要解决的问题。解决这种问题的有效方法之一是使用推荐系... 详细信息

当今社会,互联网技术获得前所未有的高速发展,促使信息化技术遍及社会生活中每一个角落。各种信息数据也在持续不断地增长,而从这些海量的数据中抓取有效的信息已经成为当下迫切需要解决的问题。解决这种问题的有效方法之一是使用推荐系统,既对用户喜欢的信息和历史搜索等信息进行分析,创建对应的模型,从而为用户提供个性化的推荐系统。然而,经过实际的调查显示,现在大部分应用于推荐系统中的协同过滤算法,尚存在着一些推荐信息不准确的问题。例如,将用户和物品的数量变得越大,算法无法准确处理大量的数据,推荐内容的准确率大大降低,导致推荐系统无法为用户提供个性化的信息推荐服务。本文将协同过滤推荐算法做为此次研究的主要对象,通过对各种算法优缺点的分析,提出综合考虑物品和slope one算法这两中因素,将这两种因素作为条件对用户的喜好进行预测打分,然后推荐给用户。首先,在整体的用户集合和物品集合中,选取出其中一部分的用户和物品作为目标,利用slope one算法预测出这部分用户会对物品会有怎样的评分,得出评分的结果之后,就可以对评分的矩阵进行填充,这样做的好处是,一方面可以有效地避免因数据系稀疏性而带来的预测不准确问题,另一方面该评分预测结果是得出最终结果的重要参考之一。然后,将原来的数据集和预测部分的数据集综合起来考虑,按照一定的比例将这两种数据集结合在一起,从而可以形成新数据集之后,就可以计算物品之间的相似度和用户对物品平均偏好差异值矩阵。其次,在预测用户对物品的评分时,将刚刚计算出来的物品间相似度设置为slope one算法的权值。最后,对参数进行训练,得到最终的评分预测结果。为了进一步优化该算法,以提升算法在处理大数据方面的能力,本文将slope one相似度算法和改进后的协同过滤推荐算法在Spark平台上给予实现。并且,为了验证算法的预测是否准确,本文也将改进以后的协同过滤推荐算法在Hadoop平台上给予实现。经过在MovieLens标准数据集上的反复实验,本文提出的将slope one和物品相结合使用的协同过滤算法能够有效提高物品推荐的准确度。并且,协同过滤推荐算法在处理海量数据的能力方面,Spark与Hadoop平台相比,运行效率更高,预测的更精准。

关键词：协同过滤推荐相似度算法 slope one算法 Spark Hadoop

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合时间效应和用户属性的推荐算法研究

融合时间效应和用户属性的推荐算法研究

作者：王涵吉林大学

学位级别：硕士

在网络信息科技飞速发展的同时,网络上的信息实现了跨越式的增长。用户在海量信息里获取有用的信息需要花费大量的时间成本,如何给用户筛选符合其兴趣爱好的内容也成为了各大软件和网站急需解决的问题。随着推荐系统的快速发展,新的推... 详细信息

在网络信息科技飞速发展的同时,网络上的信息实现了跨越式的增长。用户在海量信息里获取有用的信息需要花费大量的时间成本,如何给用户筛选符合其兴趣爱好的内容也成为了各大软件和网站急需解决的问题。随着推荐系统的快速发展,新的推荐算法不断被提出并研究,其中作为传统算法的协同过滤算法虽然被很多学者研究,但其仍存在不足。协同过滤算法都只考虑了用户-评分或项目-评分的信息,考虑角度单一,且用户行为数据过于稀疏。没有考虑到用户信息对推荐效果的影响以及用户的兴趣随着时间的变化情况。针对上述提到的问题,本文做了以下工作:一.传统的相似度只考虑了用户项目评分信息降低了用户相似度的准确性,因此将用户属性信息引入到用户相似度中作为综合用户相似度,并将其引入到加权slope one算法中来计算出项目Dev从而预测项目评分,缓解数据的稠密度问题,提高算法的准确性。二.针对协同过滤算法考虑角度单一的问题,本文引入时间因素,考虑时间效应对用户兴趣的影响。通过艾宾浩斯遗忘曲线来计算用户在时间因素下的相似度,根据改进的用户相似度和相似度支持度进行预测评分。最后将两种算法进行融合,解决了单一算法存在的问题即slope one算法两种项目无共同评分不可预测的缺点,改进了单一算法的局限性并提升预测的准确性。最后本文将算法应用到Movielens数据集上来验证融合时间效应和用户属性算法的有效性,通过实验对比分析改进后的算法在MAE和RMSE值上有较好的结果,提升了推荐性能。

关键词：协同过滤用户属性 slope one算法时间上下文信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于协同过滤算法的推荐系统框架设计与实现

基于协同过滤算法的推荐系统框架设计与实现

作者：迟轩上海交通大学

学位级别：硕士

现如今网络世界中一个用户可以通过电子商务系统获得很多便利，很多电子商务系统引入推荐引擎以求得类似实际生活中推销员的作用。推荐引擎的使用加快了协同过滤算法的研究，一个合适的算法将会为电子商务系统带来更多的收益。然而面对... 详细信息

现如今网络世界中一个用户可以通过电子商务系统获得很多便利，很多电子商务系统引入推荐引擎以求得类似实际生活中推销员的作用。推荐引擎的使用加快了协同过滤算法的研究，一个合适的算法将会为电子商务系统带来更多的收益。然而面对林林总总有关协同过滤的研究，大多只注重算法层，且研究过于理论，忽略了其在实际应用中的局限。相对于一般的基于项目的协同过滤算法slope one算法有着很好的效果。然而单单使用slope one算法依旧不能摆脱稀疏数据，冷启动等问题。本研究对算法进行改进的同时不只局限于研究单一算法，还对一个推荐引擎的搭建从架构层进行阐述。本研究的主要工作有如下几个方面：（1）对电子商务系统进行深入分析并通过实际案例阐述一个电子商务系统引入推荐引擎的现实意义，分析推荐算法适用范围、区别以及推荐系统的研究现状，并且描述相关研究存在的问题。（2）研究分析slope one算法以及Lucene，NoSQL等关键技术的优缺点，为实现系统框架提供技术途径。并最终提出一种新的既可以满足用户喜好又可以拓展系统业务的推荐方式并对实际应用中可能出现的若干问题进行了阐述和改进，使得应用的推荐结果可以更好的展现给用户，将推荐引擎的作用发挥到最大。（3）对某一具体电子商务系统引入推荐系统进行分析，并进行需求分析，提出系统框架的总体设计目标，对整个系统的逻辑结构以及总体框架进行设计，将总体框架设计成多模块层次结构。其中着重设计算法层，通过对具体算法的选择以及对选定算法存在问题的分析，详细描述算法改进思路以及具体实现，并对实际应用中可能出现的问题进行分析。并且不只局限于算法，还对系统各个子模块如推荐结果的展现层等关键部分进行详细设计。在设计与实现中充分应用设计模式，并且对具体技术的选择进行技术选型，使得框架拥有更好的扩展性以及移植性。总体上框架的设计尽量体现用简单的算法起到优秀效果的特点。（4）运用大量实验数据。在具体技术选型的过程中，根据实际环境中可能出现的数据类型和数据量，对具体选取的技术进行测试。例如对于用户行为数据收集层会根据设计的日志格式，分别对不同数据量进行测试，最终选取一种日志框架进行数据收集并分析系统在何种条件下会影响日志输出的效率。（5）设计实验选取MovieLens数据集，在被划分的数据集基础上，通过计算确定具体相似度算法，并在选定算法的基础上对新旧算法进行比较，最终证明新算法可以拥有更好的推荐效果。最后对推荐系统以及框架的前景进行展望。

关键词：协同过滤 slope one算法项目相似度设计模式推荐结果大数据量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于云计算的个性化推荐系统关键技术研究

基于云计算的个性化推荐系统关键技术研究

作者：代晨旭华北理工大学

学位级别：硕士

Internet技术的迅速发展使互联网规模不断扩大,信息数量呈爆炸式增长。面对海量的信息如果没有合适的工具,人们很难在其中找到自己所需要的信息资源。推荐系统对用户的历史数据进行数据挖掘和分析,得到用户偏好,以此向他们推荐感兴趣的... 详细信息

Internet技术的迅速发展使互联网规模不断扩大,信息数量呈爆炸式增长。面对海量的信息如果没有合适的工具,人们很难在其中找到自己所需要的信息资源。推荐系统对用户的历史数据进行数据挖掘和分析,得到用户偏好,以此向他们推荐感兴趣的物品或信息资源,从而满足用户的个性化需求。随着数据处理量的增大,可扩展性问题成为制约推荐系统发展的瓶颈。将推荐系统与Hadoop分布式云计算平台相结合能够很好地解决这一问题。首先,从HDFS分布式系统和Map Reduce编程思想两方面入手,深入研究了Hadoop的运行机制以及编程原理。在此基础上,结合推荐系统的通用模型,设计了一个基于Hadoop的推荐系统架构,详细介绍了系统中每个模块的设计思想。其次,对近年来流行的协同过滤推荐算法和slope one算法进行深入分析,利用Mahout机器学习算法库进行Hadoop平台上的协同过滤推荐算法实现,设计了基于Hadoop的slope one算法的Map Reduce并行化处理方案。再次,在传统slope one算法的基础上引入协同过滤思想,提出改进的slope one算法。将目标用户的K个近邻用户的余弦相似度作为计算项目间评分差值的权重,并在Hadoop平台上实现了改进算法的Map Reduce并行化处理,提升了改进算法的数据处理能力。然后,在Hadoop集群上利用经典的Movielens数据集对改进算法的性能进行比较。分析实验结果发现,改进算法的准确度比传统slope one算法以及用户评分数量加权的slope one算法有明显提高,证明了改进算法的有效性和先进性。最后,利用Movie Lens数据集上的信息数据,实现了两种协同过滤算法以及改进slope one算法,并对推荐结果进行展示。

关键词：推荐系统 Hadoop Mahout 协同过滤 slope one算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚类和用户属性的协同过滤算法研究

基于聚类和用户属性的协同过滤算法研究

作者：方小丽新疆师范大学

学位级别：硕士

随着互联网日益普及,人们进入了大数据时代,互联网上的信息量就像一个“大海”,但对于人们而言真正有用的信息很少。在信息资源爆炸环境下,如果没有好的信息过滤机制,人们会被“数据海洋”淹没,寻找需要的信息也变得更困难。在此背景下... 详细信息

随着互联网日益普及,人们进入了大数据时代,互联网上的信息量就像一个“大海”,但对于人们而言真正有用的信息很少。在信息资源爆炸环境下,如果没有好的信息过滤机制,人们会被“数据海洋”淹没,寻找需要的信息也变得更困难。在此背景下推荐系统被人们提出来,实现了从海量数据中为用户获取有意义信息的功能。协同过滤作为主流的推荐算法,能够从用户的历史记录分析出用户的喜好。但是如果用户参与的项目少,推荐系统中存在较大的数据空缺,系统推荐性能因此就会受到相应影响。本文首先针对技术方面相关知识内容与开展全面介绍,主要指出协同过滤算法存在精确程度较低、同时覆盖率低等相应问题,进一步开展相应研究,针对该算法作出改进,主要研究内容如下所示:(1)在当前的个性化推荐算法中,比较经典的算法是协同过滤推荐算法,它虽然是许多推荐算法的理论基础,仍然存在一些影响推荐效果的问题。本文对数据集的数据稀疏性问题进行研究,应用改进的slope one对数据中的数据缺失值进行预测,预测值会进一步加入到评分矩阵内,通过这一方法可以让稀疏性问题得到有效处理。(2)由于协同过滤算法在寻找最近邻居时,需要和所有用户运算,运算的效率相对比较低,为了使其运行效率进一步提升,本文考虑对用户开展聚类,让相似的这类用户共同划分于同一个聚类簇中,最大程度上降低计算复杂度,对算法可扩展性加以改善。(3)传统的相似度计算只考虑到用户评分,导致计算不合理的问题,只计算了评分间的差异,却未考虑用户属性对相似度计算的影响。把用户属性(性别,年龄,职业)引入到相似度计算中,优化相似度计算。(4)为了让算法优化其有效性得到进一步验证,本文在实验过程采用Movie lens100k数据集开展验证,对比分析协同过滤算法以及填充处理过的协同过滤算法,通过数据实验进行比对,结合最终实验结果发现,本文优化后算法能得到有效改善。

关键词：协同过滤数据稀疏 K-means++聚类 slope one算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

以云加端为核心的电子书包区域平台的建设

以云加端为核心的电子书包区域平台的建设

作者：何烨上海交通大学

学位级别：硕士

教育信息化建设促进了教学模式的不断改变,电子书包是利用信息化技术结合移动终端实现教学的新型教学产物。移动互联网技术和智能终端应用的普及,突破了电子书包推广和应用过程中的局限性,符合了教育信息化建设和教育模式改革的需求。... 详细信息

教育信息化建设促进了教学模式的不断改变,电子书包是利用信息化技术结合移动终端实现教学的新型教学产物。移动互联网技术和智能终端应用的普及,突破了电子书包推广和应用过程中的局限性,符合了教育信息化建设和教育模式改革的需求。本文依据电子书包的应用需求,结合云计算技术,构建以云加端为核心的电子书包区域平台。电子书包是以学生为主要应用对象的电子学习资源的集合体,通过个人的移动智能终端可访问的平台,电子书包的设计与开发强调了云计算技术和移动终端应用的结合。针对学生对电子书包中教育教学资源的需求,本文重点研究教育资源的个性化推送算法,为学生打造普适与个性相互结合的学习平台。本文的主要研究内容如下:(1)调研电子书包的国内外研究背景和现状,分析电子书包的构成,总结归纳出用户对电子书包的总体需求。(2)研究云计算技术,以云加端为核心设计电子书包的总体架构,并对系统的主要业务流程进行设计。(3)深入研究分析slope one算法,并实现了加权slope one算法改进,获取目标用户的最近邻居集,有效解决了信息推荐算法中的数据稀疏性问题。同时,服务器端实现了多租户技术的应用研究。(4)对系统的云端和客户端分别进行功能分析,并实现了系统服务器端和Android客户端的开发和测试。本文的创新点在于研究并改进了加权slope one算法,将其在电子书包中进行应用。利用电子书包平台能够覆盖学生资助学习的各个环节,为学生自主学习、问题讨论、资源浏览提供了良好的平台。通过深入研究个性化资源推送的典型算法,结合学生利用平台的相关数据,利用数据仓库技术和联机分析技术对学生的学习行为和系统操作行为进行数据分析,为学生创建符合学生实际情况的学习环境。通过部署以云加端为核心的电子书包使学生能够在云端定制、存储和管理符合自身需求的学习内容,同时,云平台也可根据学生的情况为学生推荐相关的学习资料,使学生避免了花费大量的时间寻找学习资料,极大地提升了学习的学习效率。同时,本课题讨论的一些关键技术也对类似的开发工作都有一定的参考意义。

关键词：电子书包云加端 slope one算法 Android

初中数学个性化学习资源推荐系统设计与实践研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

初中数学个性化学习资源推荐系统设计与实践研究

作者：彭淑铃天津外国语大学

学位级别：硕士

随着网络学习时代的来临,网络学习资源呈现爆炸式增长,学者利用网络平台能够获取丰富的学习资源,这些平台也为用户的资源查找和学习提供了更多的选择。然而,大量的网络信息和资源,使得用户在进行网络学习时面临“数据过载”的情况,用户... 详细信息

随着网络学习时代的来临,网络学习资源呈现爆炸式增长,学者利用网络平台能够获取丰富的学习资源,这些平台也为用户的资源查找和学习提供了更多的选择。然而,大量的网络信息和资源,使得用户在进行网络学习时面临“数据过载”的情况,用户无法在短时间内从众多的学习资源中精确定位自身所需要的学习资源。个性化推荐能够有效解决该问题,并为用户提供符合自身需求的学习资源。目前,如何选择合适的推荐技术,使系统推荐的学习资源满足学习者的需求,促进学习者的个性化成为了研究热点。从目前的研究来看,虽然国内外有关学习资源的个性化推荐中理论和实践方面都有所涉及,但对基础教育而言,很少有聚焦到某一具体学科,并根据该学科的具体规律和学习者的学习特征来开展有针对性的个性化学习资源的研究。基于此,本研究提出了针对初中数学学习资源的个性化推荐,通过对学生基本信息和行为数据等的收集,对学生和学习资源进行了模型建构,并为学生推荐合适的个性化课后学习资源,让学生更有效率的学习。本文分析了新课标指导下对初中数学教育的要求,并结合当前初中学习者和数学学习资源的特点,构建了初中数学学习资源库模型和学习者模型。在对当下个性化推荐所采用的个性化推荐算法进行论述和比较之后,研究引入了slope one算法到基于用户的协同过滤算法中,用以解决系统中评分数据稀疏引起的冷启动问题,提出了混合式推荐算法。在对所提出的算法和个性化模型进行分析后,详细设计了符合初中数学学习的各个模块和功能,构建了初中数学学习资源个性化推荐系统,以实验的方式对整个系统进行了相应的测试。最后以问卷调查的形式,对个性化资源推荐系统的使用效果进行了统计和分析,以期为后续的系统改进提供一定的参考。

关键词：个性化推荐系统学习者模型协同过滤 slope one算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于满意相似度的协同过滤推荐算法研究

基于满意相似度的协同过滤推荐算法研究

作者：李贝娜燕山大学

学位级别：硕士

近年来,随着以互联网络为平台的各种电子商务网站的日益盛行,网上购物、在线支付日渐成为人们生活中必不可少的存在。推荐系统如何更加准确、更加快速,高效率的推荐符合用户兴趣偏好的项目,就成为了搭建坚固结实“桥梁”的关键,也是目... 详细信息

近年来,随着以互联网络为平台的各种电子商务网站的日益盛行,网上购物、在线支付日渐成为人们生活中必不可少的存在。推荐系统如何更加准确、更加快速,高效率的推荐符合用户兴趣偏好的项目,就成为了搭建坚固结实“桥梁”的关键,也是目前众多研究者研究各类算法的目的。本文正是围绕这一问题深入展开研究的。首先,本文简单阐述了个性化推荐系统中常用的各种推荐技术尤其是协同过滤技术,充分了解了协同过滤算法的原理及分类。除此之外,本文详细介绍了几种经典算法的具体过程,认真研究分析了这些算法的优点以及缺点,同时给出了一些改善的思路。其次,本文通过对经典协同过滤推荐算法的研究,结合用户的个性特点分析,发现传统的协同过滤算法中存在的问题,提出了一种基于满意相似度的协同过滤算法。使得用户个人的局部特征与用户之间的相似性相结合,通过用户的历史数据更加准确的把握用户的兴趣偏好信息,同时也考虑了用户之间共同评价数目对相似度的影响,更加准确的预测用户评分。再次,本文针对协同过滤算法面临的数据稀疏性的问题,结合本文提出的满意相似度计算方法,得到了融合的slope one算法,弥补了slope one算法中没有考虑用户之间相似关系的问题。最后,本文运用MATLAB软件进行验证实验,运用提出的算法计算得到用户评分预测值,通过MAE和RMSE两个指标对结果进行评估,并与其他算法进行对比实验,分析评估结果,验证改进算法的可行性和有效性。

关键词：个性化推荐系统协同过滤推荐算法数据稀疏性满意相似度 slope one算法