基于粗糙集理论的个性化推荐算法研究

摘要

随着计算机技术的发展和网络的普及，人们的生活、工作和学习越来越离不开网络，个性化推荐系统应运而生。个性化推荐系统，可以挖掘用户的注册信息、分析用户浏览网页行为，来判断用户的可能需求，然后根据某种个性化推荐方式向用户进行个性化推荐。 个性化推荐系统的应用，使站点的服务变得更简单，同时也可以提高用户的忠诚度。 本文以个性化推荐算法为研究内容，在分析比较了现有的个性化推荐算法基础上，针对基于关联规则的个性化推荐中得到的规则可能不全或冗余问题，提出了一个基于二进制区分矩阵的规则获取算法，并通过Movielens 数据库验证了它的可行性。本文主要包括以下几方面内容： 第一，通过阅读大量文献，了解了国内外个性化推荐算法理论研究情况和发展趋势、在文中描述了几种常见的个性化推荐算法，并分析了它们的优缺点和个性化推荐算法面临的问题。着重研究了基于关联规则的个性化推荐算法，该算法的核心是获取最小规则。 第二，针对关联规则获取需要处理大量不确定数据问题，仔细研究了能够处理此问题的粗糙集理论。在文中简述了粗糙集理论发展过程、基本概念、常用方法和应用软件，及其理论特点，重点概述了粗糙集理论中几个主要属性约简和规则获取算法，然后基于二进制区分矩阵，提出了一种改进的规则获取算法。 第三，设计仿真试验，以Movielens 数据库为例，将改进算法得到的结果与区分矩阵方法、粗糙集软件ROSETTA 上现有方法得到的实验结果进行比较，验证了改进算法的有效性。

目录

文摘

英文文摘

声明

第一章 绪论

第二章 个性化推荐算法和粗糙集理论研究综述

第三章 面向个性化推荐的粗集规则获取算法的改进

第四章 基于粗糙集理论改进算法的验证和评价

第五章 结论与展望

参考文献

致谢

攻读学位期间所取得的相关科研成果