基于標(biāo)簽譜聚類的個性化推薦策略相關(guān)問題研究.pdf

1、學(xué)校代碼：10270分類號：TP391學(xué)號：152502848碩士專業(yè)學(xué)位論文基于標(biāo)簽譜聚類的個性化推薦策略相關(guān)問題研究學(xué)院:信息與機電工程學(xué)院專業(yè)學(xué)位類別:工程碩士專業(yè)領(lǐng)域:計算機技術(shù)研究生姓名:張震雷指導(dǎo)老師:楊新凱完成日期:2018年3月上海師范大學(xué)碩士學(xué)位論文摘要I摘要互聯(lián)網(wǎng)的繁榮發(fā)展給現(xiàn)代社會帶來了深遠(yuǎn)影響。尤其是在web2.0時代，人們可以在互聯(lián)網(wǎng)上開展一系列諸如網(wǎng)上購物、網(wǎng)上辦公、網(wǎng)上學(xué)習(xí)等活動。文檔、圖片、音頻、視頻等多

2、元的互聯(lián)網(wǎng)信息充斥著人們的生活，無論是信息的生產(chǎn)者還是信息的消費者都面臨著巨大的挑戰(zhàn)，信息過載成為了亟待解決的問題。于是，個性化推薦系統(tǒng)應(yīng)運而生。時至今日，推薦系統(tǒng)領(lǐng)域涌現(xiàn)了大量的推薦算法。本文則針對個性化推薦系統(tǒng)展開深入討論，并就常用協(xié)同過濾推薦算法在數(shù)據(jù)稀疏性、推薦精度等方面的問題，嘗試提出一種結(jié)合標(biāo)簽譜聚類的個性化推薦策略，主要內(nèi)容如下：首先，本文研究了幾種常見的個性化推算法的基本原理和相關(guān)背景知識。其中，重點對比分析了基于鄰域的

3、協(xié)同過濾推薦方法的優(yōu)劣勢以及各自的適用場景，并在后文通過實驗驗證了協(xié)同過濾推薦的有效性；然后，針對協(xié)同過濾推薦系統(tǒng)中常見的數(shù)據(jù)稀疏性、推薦精度等問題，結(jié)合標(biāo)簽和譜聚類的優(yōu)勢，提出一種基于標(biāo)簽譜聚類的協(xié)同過濾推薦（TSCF）算法，這種推薦算法有兩點創(chuàng)新之處：(1)隨著用戶對個人隱私安全意識的提高，傳統(tǒng)推薦系統(tǒng)中可以使用的人口統(tǒng)計學(xué)信息有限，相似度精度的瓶頸將限制推薦質(zhì)量的進(jìn)一步提高。本文結(jié)合UGC標(biāo)簽來挖掘用戶興趣，提出用戶基于標(biāo)簽的關(guān)聯(lián)

4、度來修正用戶相似度，從而提升了最終的推薦精度。(2)利用標(biāo)簽綜合共現(xiàn)相似度，設(shè)計模塊度函數(shù)并對標(biāo)簽進(jìn)行譜聚類，基于標(biāo)簽簇把關(guān)聯(lián)度較高的用戶分到相應(yīng)組，然后在用戶組內(nèi)完成推薦。這樣做可以降低數(shù)據(jù)稀疏性，同時也縮減了近鄰搜索空間，提升推薦實時性和多樣性，一定程度上可以緩解推薦系統(tǒng)的可擴展性。最后，使用Lastfm音樂網(wǎng)站在第五屆RecSys大會上公布的數(shù)據(jù)集，設(shè)計仿真實驗證明所提算法的有效性。通過與基于用戶鄰域的協(xié)同過濾以及基于用戶Kmea