心理学模型与协同过滤集成的算法研究

admin · 发表于 4 小时前

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
随着互联网技术的发展，网络资源也在飞速地增长。信息资源的极大丰富，使得互联网成为人们获取信息的重要来源。然而，在人们享受着信息技术带来的便利的同时，如何确切地表达对网上资源的需求，如何准确有效地寻找资源，成为网络用户面对的一大题目。个性化推荐系统正是解决这一题目的有效方法之一。个性化推荐系统通过提高网站的服务质量和访问效率，提升用户的满意度和忠诚度，许多电子商务网站如Amazon、eBay的成功与推荐系统的发展息息相关。其中，协同过滤推荐系统是应用最为广泛的个性化推荐系统。虽然推荐系统的研究已经取得了一些成果，但是现有推荐系统的性能并不令人满意，推荐算法仍有待改进。本文从心理学角度理解用户的思维方式与行为模式，发掘用户需求，以期得到贴合用户要求的推荐结果。本文结合现有的心理学模型，从收集用户评分、相似性度量、评分预测这三方面对协同过滤推荐算法分别进行了改进。首先，本文以心理学中的态度行为关系模型为理论依据，提出了用户浏览购买关系模型。此模型可根据电子商务网站用户的浏览信息，实时预测用户的购买行为，这对于电子商务网站具有重要的现实意义。电子商务数据集上的实验结果表明，本文提出的浏览购买关系模型可以有效地预测用户的购买行为，这也证实了从态度行为角度分析用户心理方法的正确性。之后，本文将提出的浏览购买关系模型分别用于改进基于用户和基于项的协同过滤算法。本文将浏览购买关系模型预测得到的用户购买可能性看作隐式收集的用户对项的评分，即将浏览购买关系模型作为用户评分模型，将预测得到的评分分别应用于基于用户和基于项的协同过滤算法。在电子商务数据集上的实验结果显示，应用预测评分的算法比传统的采用用户点击数据的协同过滤算法更有效。其次，本文提出了新的用户相似性度量模型。心理学家Tversky提出人类判定相似度的对比模型：当人们判断两个物体是否相似时，不仅依据二者共同的特点进行度量，也会比较二者的不同点。本文以此理论为依据，提出综合用户评分共同特征和不同特征的用户相似性度量模型。本文提出了基本函数和指数函数两种方法计算用户的相似度。在Movie Lens和Book-Crossing两个数据集上的实验结果表明，提出的基本函数度量方法改进了协同过滤算法，但改进程度相对较小，指数函数度量方法对算法的改进程度较大，这也验证了利用共同特征和不同特征同时度量相似性的方法是有效的。最后，本文提出加入权重因素改进预测评分模型的方法。目前的协同过滤算法在预测用户对项的评分时没有考虑参与评分的最近邻居的多少对预测评分的影响，本文将参与评分的最近邻居数目作为权重因素，改进预测评分模型。在Movie Lens和Book-Crossing两个数据集上的实验结果表明，改进后的算法的推荐结果好于传统算法的结果。本文结合现有的心理学理论，分别从信息收集、相似性度量和评分预测这三方面对协同过滤推荐算法进行了改进。实验结果表明，提出的改进算法均优于传统的协同过滤算法。

心理学模型与协同过滤集成的算法研究

天涯海角也要找到Ni：心理学模型与协同过滤集成的算法研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作