基于粗糙集理论的个性化推荐算法研究

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 研究背景、目标与意义
• 1-1-1 研究背景
• 1-1-2 研究目标与意义
• §1-2 国内外研究现状
• 1-2-1 国外研究现状
• 1-2-2 国内研究现状
• §1-3 研究内容与论文组织
• 第二章 个性化推荐算法和粗糙集理论研究综述
• §2-1 个性化推荐算法理论综述
• 2-1-1 电子商务系统概述
• 2-1-2 个性化推荐技术
• 2-1-3 个性化推荐研究的主要热点问题
• §2-2 粗糙集理论和方法
• 2-2-1 一些基本概念
• 2-2-2 粗集理论常用方法
• 2-2-3 粗糙集常用软件
• 2-2-4 粗糙集理论的特点和应用
• §2-3 本章小结
• 第三章 面向个性化推荐的粗集规则获取算法的改进
• §3-1 问题描述
• §3-2 个性化推荐系统的建模流程
• §3-3 现有规则获取算法及不足
• 3-3-1 基于信息向量的规则获取方法
• 3-3-2 基于二进制区分矩阵的规则获取方法
• 3-3-3 基于机器学习的规则获取方法
• 3-3-4 现有规则获取方法的不足
• §3-4 改进的规则获取算法
• 3-4-1 求核属性与约简集的算法
• 3-4-2 最简规则获取算法
• §3-5 本章小结
• 第四章 基于粗糙集理论改进算法的验证和评价
• §4-1 实验环境
• §4-2 实验原始数据及数据预处理
• 4-2-1 基本数据预处理方法
• 4-2-2 原始数据的来源
• 4-2-3 实验数据的预处理
• §4-3 建立决策信息系统
• §4-4 规则获取与比较
• 4-4-1 基于区分矩阵获取的规则
• 4-4-2 ROSETTA 上现有算法获取的规则
• 4-4-3 基于改进算法的规则获取
• 4-4-4 结果比较
• §4-5 推荐性能的测试
• §4-6 本章小结
• 第五章 结论与展望
• §5-1 结论
• §5-2 展望
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果