改进基线模型求解过程图模型求解过程图随随变化曲线图图随变化曲线图图模型随变化曲线图模型随变化曲线图模型比较图图模型学习效率比较图图目录图模型随变化曲线图图模型学习效率比较图表目录表目录表推荐系统实际应用表用户行为和用户偏好表现有混合推荐方法表各推荐算法比较表用户项目评分矩阵表稀疏性问题解决方法及优缺点表各数据集用户电影评分数目表数据集部分数据实例表各个特征值计目录目录第章引言研究背景及意义研究进展本文研究内容文章组织结构第二章个性化推荐关键技术个性化推荐相关技术信息过滤技术数据挖掘技术个性化推荐关键算法基于内容推荐基于记忆协同过滤基于模型协同过滤混合推荐个性化推荐技术研究热点本章小结第三章基于神经网络和信任改进协同过滤算法基于神经网络矩阵填充方法研究稀疏性问题及现有解决方案基于广义回归神经网络矩阵填充方法基于信任协同过滤算法信任与相似性关系基于信任推荐模型研究信任度量方法研究基于信任改进协同过滤算法实验设计分析实验数据集及评测指标基于神经网络进行矩阵填充性能验证基于信任改进协同过滤算法性能验证本章小结目录第四章基于协同过滤推荐动态改进研究时效性对协同过滤推荐影响评分时效变化时效性对相似性度量影响时效性对推荐准确性影响基于记忆协同过滤推荐动态改进相似性度量动态改进评分预测计算动态改进基于模型协同过滤推荐动态改进基线模型基线模型动态改进矩阵分解模型矩阵分解模型动态改进实验设计与分析实验数据集及评测指标基于记忆协同过滤动态改进有效性验证基线模型动态改进有效性验证矩阵分解模型动态改进有效性验证本章小节第五章总结与展望总结展望致谢参考文献攻读硕士学位期间研究成果图目录图目录图信息过滤系统结构图图数据挖掘过程示意图图推荐系统常用算法结构图图基于内容推荐模块图用户之间信任推荐关系图协同过滤算法分类图基于记忆协同过滤算法步骤图邻居选择方法图使用奇异值分解进行评分预测算法步骤图网络结构图基于网络填充稀疏矩阵流程图图基于信任模型图基于信任个性化推荐模型图基于信任改进协同过滤算法框架图基于广义回归神经网络进行矩阵填充步骤图和随曲线图图曲线图图曲线图图各数据集评分分布情况图各数据集评分平均值动态变化图用户和用户之间相似性动态变化图号用户预测评分图动态改进基线模型求解过程图模型求解过程图随随变化曲线图图随变化曲线图图模型随变化曲线图模型随变化曲线图模型比较图图模型学习效率比较图图目录图模型随变化曲线图图模型学习效率比较图表目录表目录表推荐系统实际应用表用户行为和用户偏好表现有混合推荐方法表各推荐算法比较表用户项目评分矩阵表稀疏性问题解决方法及优缺点表各数据集用户电影评分数目表数据集部分数据实例表各个特征值计法就需要考虑怎样区分正常用户和恶意用户行为模式之间差异，识别恶意用户攻击行为，对恶意用户行为进行抵制，提高系统鲁棒性。社会化推荐生活在个大家庭里面，人们喜好深受周围人群影响，研究人员发现有些基于用户朋友圈推荐效果比通过用户历史行为计算出来推荐效果更好，国内利用社会化推荐技术最好豆瓣网。如何衡量人们之间社会关系如何建立更好机制以促进社会推荐以及何将社会信任关系应用到推荐系统中都是社会化推荐挑战。电子科技大学硕士学位论文致谢三年紧张忙碌而有意义研究生过程，每天都能感受到老师及同学朋友关怀帮助，真心感谢每位给与我指导帮助老师同学，是他们让我学习科研生活变得更有意义，让我更懂得怎样做人做事。首先衷心感谢我研究生导师徐杰老师及项目指导老师孙健老师，两位老师学识广泛勤勤恳恳诲人不倦，在学术和项目上耐心细致指导让我终生受益。感谢孙老师对我信任，在担任移动开发组组长期间很好锻炼了自己能力，收获了无比珍贵经验。在此，对两位老师予以最诚挚感激。其次，衷心感隆克平阳小龙彭云峰教授，他们严谨治学丝不苟作风是我永远学习榜样。还要感谢直给予我鼓励与帮助，让我变得更加自信从容师兄师姐们，他们是谢发川师兄车斌师兄周云龙师兄唐明师兄艾丽丽师姐吴晓琴师姐靳娜师姐等。另外还要感谢起努力奋斗了三年同窗们梁雪芬陈小英彭慧琴颉晓芳李乾坤姚宏哲章宦乐张毅陈旭等。同时感谢我父母弟弟和欧阳晶同学。你们永远是我最坚强后盾，永远给我温暖与力量，感谢你们无私付出，感谢你们让我心中充满感恩充满动力。衷心感谢所有参与论文评审答辩各位老师，你们建议指导都将给我莫大帮助。参考文献参考文献刘建国，周涛，汪秉宏个性化推荐系统研究进展自然科学进展张树良，冷伏海环境下个性化信息获取和个性化服务实现中国图书馆学报朱岩，林泽楠电子商务中个性化推荐方法评述中国软科学孙慧峰基于协同过滤个性化推荐博士学位论文北京北京邮电大学余肖生基于挖掘个性化推荐系统研究现代情报fl分类号密级注学位论文基于协同过滤技术个性化推荐研究题名和副题名王晓丽作者姓名指导教师徐杰副教授电子科技大学成都姓名职称单位名称申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期年月日论文答辩日期年月日学位授予单位和日期电子科技大学年月日答辩委员会主席评阅人注注明国际十进分类法类号。独创性声明本人声明所呈交学位论文是本人在导师指导下进行研究工作及取得研究成果。据我所知，除了文中特别加以标注和致谢地方外，论文中不包含其他人已经发表或撰写过研究成果，也不包含为获得电子科技大学或其它教育机构学位或证书而使用过材料。与我同工作同志对本研究所做任何贡献均已在论文中作了明确说明并表示谢意。签名日期年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留使用学位论文规定，有权保留并向国家有关部门或机构送交论文复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文全部或部分内容编入有关数据库进行检索，可以采用影印缩印或扫描等复制手段保存汇编学位论文。保密学位论文在解密后应遵守此规定签名导师签名日期年月日摘要摘要在这个信息爆炸时代，全球数据量正在以惊人速度增长，信息过载问题愈加严重，推荐系统应运而生。推荐系统通过收集用户兴趣资料和个人信息，为用户做出个性化推荐。在信息资源获取无明显差别情况下，推荐算法作为个性化推荐技术核心，成为决定推荐系统好坏关键。协同过滤技术是使用最广泛种推荐技术，但该技术仍然存在很多问题需要解决，比如数据高度稀疏性导致推荐性能下降传统协同过滤算法只是分析静态数据而没有考虑系统时间动态变化因素导致推荐准确性不高等。针对上述提出问题，本文对基于协同过滤技术个性化推荐进行深入研究。包括利用神经网络及信任关系改进协同过滤算法分析推荐系统动态变化特性以及协同过滤推荐动态改进研究等。以下为本文重点研究内容及创新之处概述基于协同过滤技术个性化推荐背景意义以及研究进展介绍个性化推荐相关信息过滤技术以及数据挖掘技术分析常用几种协同过滤算法推荐过程及各自优缺点最后指出现在推荐技术挑战及研究热点，为进步研究提供理论依据。提出种基于神经网络解决协同过滤推荐数据稀疏性方法，使用广义回归神经网络，通过训练网络模型并进行评分预测，对稀疏数据进行完全填充，缓解协同过滤技术数据高度稀疏性问题。研究信任和传统相似性度量之间关系，基于信任关系研究个性化推荐模型，研究推荐过程中度量信任大小方法。基于信任思想改进传统评分预测公式，利用信任关系寻找最近邻居并进行预测评分，最后通过实验验证基于信任改进协同过滤推荐显著提高了推荐准确性。分析推荐系统动态变化特性，研究评分时效性对相似性度量以及推荐准确性影响。在基于记忆协同过滤算法相似性计算和评分预测过程中引入时间调整函数体现系统时效性，有效提高推荐准确性。对基线模型和矩阵分解模型进行动态改进，引入评分偏差动态变化和特征向量动态变化，提升推荐准确性及推荐效率。关键词个性化推荐，协同过滤，数据稀疏性，信任关系，动态模型目录目录第章引言研究背景及意义研究进展本文研究内容文章组织结构第二章个性化推荐关键技术个性化推荐相关技术信息过滤技术数据挖掘技术个性化推荐关键算法基于内容推荐基于记忆协同过滤基于模型协同过滤混合推荐个性化推荐技术研究热点本章小结第三章基于神经网络和信任改进协同过滤算法基于神经网络矩阵填充方法研究稀疏性问题及现有解决方案基于广义回归神经网络矩阵填充方法基于信任协同过滤算法信任与相似性关系基于信任推荐模型研究信任度量方法研究基于信任改进协同过滤算法实验设计分析实验数据集及评测指标基于神经网络进行矩阵填充性能验证基于信任改进协同过滤算法性能验证本章小结目录第四章基于协同过滤推荐动态改进研究时效性对协同过滤推荐影响评分时效变化时效性对相似性度量影响时效性对推荐准确性分类号密级注学位论文基于协同过滤技术的个性化推荐研究题名和副题名王晓丽作者姓名指导教师徐杰副教授电子科技大学成都姓名职称单位名称申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期年月日论文答辩日期年月日学位授予单位和日期电子科技大学年月日答辩委员会主席评阅人注