基于Nystr?m方法的偏好提取的研究

发布时间：2024-01-25 11:12

　　推荐算法目前在很多应用中都广泛涉及,如淘宝网站可以根据用户的购买记录和浏览记录为用户推荐商品。好的推荐系统不仅可以节省用户的浏览时间,更能及时为商家进行宣传。简单的说,对用户进行推荐就是基于用户的以往记录进行分析,从众多记录中分析出用户的潜在偏好,根据用户的特征对用户进行针对性的推荐。在推荐系统中,最重要的就是对用户的特征进行提取,得到用户特征的过程实际上也是一种推荐过程。特征提取目前在很多领域中都有运用,随着大数据时代的到来,数据的规模也越来越大,特征提取中面临的最大问题就是矩阵的规模和性质,对于稀疏矩阵而言,既要保证其提取后的特征的准确性,又要兼顾在提取过程中的时间复杂度。针对上述问题设计了用户偏好处理算法。针对矩阵规模大的问题,可以对原始的数据矩阵进行采样,为了最大限度的保留采样前矩阵的特征,就需要选用合适的采样方法。对采样后的矩阵进行特征分解,可以得到特征值和特征向量。为了保证提取的偏好特征的准确性,本文设计了一种新的算法来提取矩阵的特征。即利用Nystr¨om方法的特性,结合凸的非负矩阵分解。具体方法如下:首先利用用户的评分矩阵,将评分矩阵根据距离公式转化为用户-用户的相似度...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 早期研究内容
        1.2.2 目前的发展趋势
        1.2.3 Nystr?m方法与特征提取
    1.3 基本符号和定义
        1.3.1 SPSD
        1.3.2 奇异值分解
        1.3.3 非负矩阵分解NMF
        1.3.4 核矩阵
    1.4 创新点
    1.5 内容组织
2 相关工作
    2.1 凸的非负矩阵分解
    2.2 Nystr?m方法
    2.3 采样方法
        2.3.1 统计影响力采样
        2.3.2 自适应采样
    2.4 本章小结
3 偏好图的聚类
    3.1 聚类
    3.2 算法及求解过程
    3.3 算法的性能尺度
    3.4 实验过程和结果
        3.4.1 数据集
        3.4.2 偏好聚类的算法比较
        3.4.3 实验过程
        3.4.4 实验结果分析
    3.5 本章小结
4 基于Nystr?m的偏好特征的提取
    4.1 通过QR分解的Nystr?m方法
    4.2 算法过程
        4.2.1 算法描述
        4.2.2 算法求解实例
        4.2.3 算法的性能尺度
    4.3 实验过程和结果
        4.3.1 实验设置
        4.3.2 实验过程与分析
    4.4 本章小结
5 偏好特征在推荐中的应用
    5.1 降维空间中的邻域形成
    5.2 算法与算法性能
        5.2.1 算法描述
        5.2.2 算法的性能尺度
    5.3 实验结果与分析
        5.3.1 实验设置
        5.3.2 实验过程与结果
        5.3.3 结果分析
6 总结与展望
参考文献
致谢
在读硕士期间发表的学术论文
附录一 表目录
附录二 图目录



本文编号：3884712