基于热传导和物质扩散的混合推荐研究

摘要

随着互联网大规模的普及、信息时代的高速发展，网络数据量呈爆炸式增长趋势，产生信息过载问题。如何从海量数据中快速获取自己真正想要的信息一直是个研究热点。目前，推荐系统是解决该问题的最好方法。推荐算法是推荐系统的核心，其中基于网络的推荐算法是本文的重点。它的基本思想是：将用户和对象抽象为节点，忽略目标用户和推荐对象的基本特征，只考虑二者之间是否存在选择与被选择的关系，然后通过计算这种关系建立推荐模型对用户进行推荐。本文的主要内容是在现有研究的基础上，针对基于网络的热传导和物质扩散推荐算法的研究。
　　本文首先对推荐系统的定义、一般模型、要素及目前的研究现状进行了综述，并详细介绍了主流推荐算法的基本思想和流程。然后对热传导和物质扩散推荐算法进行了深入研究，并分析了二者的优缺点。热传导推荐算法多样性好、准确性低，而物质扩散推荐算法准确性好、多样性低。针对该问题，本文提出了如下两种改进型混合算法：
　　①基于交叉混合策略的FHTM算法。为了突出用户在整个推荐过程中的影响，该算法的两次资源传递均按照用户的度进行重新分配。实验结果表明，该方法与热传导算法相比，准确性有了大幅度的提高，而多样性略微下降；与物质扩散算法相比，准确性和多样性都几乎一致。
　　②针对热传导、物质扩散和FHTM算法存在的问题，本文继续提出了一个新的基于热传导和物质扩散的混合推荐算法HMW。该方法主要是在现有研究成果的基础上，通过引入用户活跃度，调节用户在整个推荐过程中的影响，进而进行个性化的推荐。
　　最后，本文采用标准数据集 MovieLens和 Netflix，从精确率、召回率、排序准确性、多样性方面对本文提出的算法HMW与改进前的混合算法HHM进行了详细的对比实验和分析。实验表明，在准确性和多样性方面，本文方法 HMW均优于改进前的HHM算法。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 论文的研究目的和研究内容

1.4 论文结构

2 推荐系统的相关理论和技术

2.1 推荐系统概述

2.2 推荐算法

2.3 本章小结

3 基于交叉混合策略的推荐算法FHTM

3.1 问题的提出

3.2 热传导和物质扩散推荐算法

3.3 基于交叉混合策略的推荐算法FHTM

3.4 实验结果与分析

3.5 本章小结

4 改进型的热传导和物质扩散混合推荐算法HMW

4.1 方法的提出

4.2 改进型混合推荐算法HMW的思想

4.3 改进型混合推荐算法HMW的算法模型

4.4 实验结果与分析

4.5 本章小结

5 总结与展望

5.1 本文总结

5.2 工作展望

致谢

参考文献

附录

A. 作者在攻读硕士学位期间发表的论文目录

B. 作者在攻读硕士学位期间参与的科研项目