中国优秀硕士学位论文全文数据库
  关闭
基于评论和评分的个性化推荐算法研究  
   在线阅读 整本下载 分章下载 分页下载本系统暂不支持迅雷或FlashGet等下载工具
【英文题名】 Research of Personalized Recommendation Algorithm Based on Reviews and Ratings
【作者】 许景楠;
【导师】 陈德人; 郑小林;
【学位授予单位】 浙江大学;
【学科专业名称】 计算机科学与技术
【学位年度】 2013
【论文级别】 硕士
【网络出版投稿人】 浙江大学
【网络出版投稿时间】 2013-06-06
【关键词】 协同过滤; 推荐算法; 主题模型; 数据稀疏性;
【英文关键词】 Collaborative Filtering; recommendation algorithms; Topic Model; Sparsity Problem;
【中文摘要】 作为最成功的推荐技术,传统协同过滤算法的核心是从用户对产品的评分中计算用户相似度或者产品相似度,进而基于相似用户或者相似产品的评分预测目标用户可能的评分并产生推荐。但是在实际应用中,存在着数据稀疏性的问题,即大多数用户只给出少量的评分。在这种情况下,传统的基于评分的协同过滤算法并不能产生令人满意的推荐效果。 为此,本文提出了一个新的基于主题模型的协同过滤推荐系统和两个推荐算法,分别是基于主题模型和用户的协同过滤算法以及基于主题模型和产品的协同过滤算法。 基于主题模型的方法,首先对用户评论进行处理,计算评论的主题概率分布,表示用户对产品不同特征的偏好。其次在基于主题模型和用户的协同过滤算法中,综合了每个用户给出的所有评论的主题概率分布,计算用户最重视特征,表示用户最重视的产品特征。基于用户最重视特征,计算用户相似度。然后,根据相似用户的评分预测目标用户可能的评分。在基于主题模型和产品的协同过滤算法中,也综合了每个产品得到的所有评论的主题概率分布,计算产品最重视特征,表示产品最受用户重视的特征。进而基于产品最重视特征,可以计算产品相似度。最后,根据目标用户对相似产品的评分预测评分。 在亚马...
【英文摘要】 As the most successful recommendation technology, the core idea of traditional collaborative filtering algorithm is to calculate user similarity or item similarity from users'ratings and then to predict ratings and recommend items based on similar users' ratings or similar items'ratings. In real applications, however, there exists a problem of Data Sparsity in which most of users will only give a few ratings. In such a situation, traditional collaborative filtering algorithm cannot produce satisfactory resu...
【更新日期】 2013-12-11

xxx
【读者推荐文章】中国期刊全文数据库 中国重要报纸全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库 中国重要会议论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   计算技术、计算机技术
    计算机的应用
     信息处理(信息加工)
      检索机
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号