1、浙江理工大學學位論文獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學或其他教育機構的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名：虧許簽字日期：加1畢年了月／o曰浙江理工大學碩士學位論文摘要為解決網(wǎng)絡信息過載問題，個性化

2、推薦系統(tǒng)及推薦算法成為各界研究和應用的難點與熱點。針對傳統(tǒng)的協(xié)同過濾算法存在的可擴展性、數(shù)據(jù)稀疏性、冷啟動以及同義詞等問題，本文以提高個性化推薦系統(tǒng)中活動用戶的最近鄰居查詢的質量和效率為出發(fā)點，重點對傳統(tǒng)的協(xié)同過濾算法在應用中存在的可擴展性和數(shù)據(jù)稀疏性問題進行探討，提出一種改進的協(xié)同過濾推薦算法，并對所提出的算法進行實證分析，驗證了本文研究成果的有效性和可行性。本文的主要工作如下：第一章：緒論部分。介紹了課題的研究背景、研究現(xiàn)狀及存在的

3、問題、本文的主要研究內(nèi)容與研究思路以及論文的結構安排。第二章：個性化推薦系統(tǒng)及相關推薦技術。簡述了電子商務推薦系統(tǒng)的分類、體系結構，介紹了基于內(nèi)容的推薦、基于模型的推薦、組合推薦、協(xié)同過濾推薦技術及其推薦原理和步驟。第三章：基于Kmeans和項目類別偏好的用戶聚類。針對協(xié)同過濾推薦存在的可擴展性問題，介紹了目前協(xié)同推薦中聚類算法的應用情況，提出了基于Kmeans和項目類型偏好的聚類算法。該算法通過對用戶進行離線聚類，將項目類偏好相似的用

4、戶劃分到相同的用戶簇，基于聚類推薦的在線鄰居查找可以從與目標用戶最近的若干個用戶簇中進行，進而提高了鄰居查詢效率。第四章：基于聚類和項目類別偏好的協(xié)同過濾推薦算法。考慮到傳統(tǒng)的基于用戶的協(xié)同過濾算法在數(shù)據(jù)稀疏性環(huán)境下推薦質量不佳，本章首先提出了一種基于項目類別偏好的協(xié)同過濾推薦模型。該模型在目標用戶的鄰居集合確定階段綜合考慮用戶的項目評分信息和項目類偏好信息，使得鄰居查找更準確，提高了系統(tǒng)的推薦質量。然后結合第三章中提出的聚類算法和此模