基于用戶聚類和移動(dòng)上下文的矩陣分解推薦算法研究

1、基于用戶聚類和移動(dòng)上下文的矩陣分解推薦算法研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：孫光輝指導(dǎo)教師：文俊浩教授專業(yè)：軟件工程學(xué)科門類：工學(xué)重慶大學(xué)軟件學(xué)院二O一七年四月萬(wàn)方數(shù)據(jù)重慶大學(xué)碩士學(xué)位論文中文摘要I摘要隨著移動(dòng)通信網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，移動(dòng)設(shè)備逐步成為人們獲取網(wǎng)絡(luò)服務(wù)和信息資源的主要平臺(tái)之一。移動(dòng)用戶在享受移動(dòng)設(shè)備帶來(lái)的方便同時(shí)也面臨著嚴(yán)重的“信息過(guò)載”問(wèn)題。推薦系統(tǒng)是解決信息過(guò)載、幫助用戶進(jìn)行決策的“工具”。而在移動(dòng)環(huán)境中，

2、上下文因素成為移動(dòng)用戶選擇和決策的重要影響因素，因此不能直接將傳統(tǒng)互聯(lián)網(wǎng)推薦算法應(yīng)用在移動(dòng)推薦中。在這樣情景下，如何將移動(dòng)上下文融入到移動(dòng)推薦中為用戶提供實(shí)時(shí)、準(zhǔn)確的服務(wù)，進(jìn)一步提高移動(dòng)推薦系統(tǒng)的精確度和用戶的滿意度，成為當(dāng)今移動(dòng)推薦的熱點(diǎn)和難點(diǎn)。為了更精確和迅速地從海量的服務(wù)中找到用戶感興趣的內(nèi)容，本文針對(duì)引入上下文數(shù)據(jù)更加稀疏、上下文信息融入不夠、不同情景下用戶相似性的度量被忽略等問(wèn)題，綜合考慮用戶全局和局部的影響，利用移動(dòng)環(huán)境中上

3、下文對(duì)移動(dòng)用戶的影響進(jìn)行研究，提出了融入移動(dòng)上下文的矩陣分解推薦算法；以及基于用戶聚類和移動(dòng)上下文的矩陣分解推薦算法。有效的利用移動(dòng)上下文因素對(duì)用戶的影響改進(jìn)了傳統(tǒng)的偏差矩陣分解推薦方式，并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性，在此基礎(chǔ)上還設(shè)計(jì)了一個(gè)基于此算法的移動(dòng)APP原型，進(jìn)行地點(diǎn)推薦。本文主要工作如下：①分析了與本文課題相關(guān)的研究背景、研究意義與研究現(xiàn)狀，并針對(duì)研究現(xiàn)狀中存在有關(guān)基于上下文推薦存在的不足提出解決方案，最后對(duì)本論文的主要工作內(nèi)

4、容、目的、以及本文所需相關(guān)技術(shù)進(jìn)行分析。②針對(duì)移動(dòng)環(huán)境下引入上下文推薦后常見的稀疏性問(wèn)題、忽略上下文相似性等問(wèn)題，本文結(jié)合移動(dòng)上下文的相似性對(duì)偏差矩陣進(jìn)行改進(jìn)，提出了融入上下文的矩陣分解推薦算法。③為更好提高推薦效率，本文在利用聚類技術(shù)同時(shí)考慮用戶偏好和移動(dòng)上下文因素，提出基于用戶聚類和移動(dòng)上下文的矩陣分解推薦算法。該算法以偏差矩陣為基礎(chǔ)，利用聚類技術(shù)對(duì)用戶進(jìn)行聚類后，再在每簇局部數(shù)據(jù)中利用移動(dòng)用戶上下文相似性進(jìn)行限制，以正則項(xiàng)的方式融