低秩矩阵完备模型的推荐算法

摘要随着计算机技术的快速发展，互联网成了人们生活中不可或缺的一部分。如何快速的对网络信息进行搜索成为一个值得研究的课题。而对于一些用户，他们想要获得一些感兴趣的内容却不知道具体的需求：比如想看一些自己感兴趣的新闻，普通的搜索引擎无法达到预想的要求。而推荐系统给出了一种有效的解决方案。经过最近几年的不断深入的研究，推荐系统的算法与技术有了很大的进展。80141

本文对推荐系统做一个简单的介绍，并对使用矩阵完整化技术的推荐系统进行研究，提出了基于低秩矩阵完备模型的推荐算法。首先把原评分矩阵分解为两个部分，使得一部分数据的稀疏性能够降低；其次分解的两部分分别使用基于矩阵完整化的推荐算法，最后再与原评分矩阵的计算结果整合，可以进一步提升推荐精度。

毕业论文关键词推荐系统矩阵完备化分块整合

毕业设计说明书外文摘要

Title Recommendation algorithm based on complete model of low rank matrix

Abstract With the rapid development of computer technology, the Internet has become an indispensable part of people's life。 How to quickly search for network information has become a subject worthy of study。 For some users, they want to get some interesting content but do not know the specific needs: for example, want to see some of their own interest in the news, the general search engine can not meet the desired requirements。 An effective solution is proposed for the recommender system。 After recent years of continuous in-depth research, the algorithm and technology of the recommendation system has made great progress。

This paper makes a brief introduction to the recommendation system, and proposes a recommendation algorithm based on the complete model of low rank matrix。 First the raw score matrix decomposition into two parts, the part of data sparsity can reduce; followed by the decomposition of the two parts respectively using recommendation algorithm based on the matrix, finally with raw score matrix calculation results are integrated, can further enhance the accuracy of recommendation。

Keywords Recommendation system Matrix completion Block integration

1 绪论 1

2 推荐系统的组成 3

2。1 用户 3

2。2 项目 3

2。3 依赖 3

2。3 其他 4

3 推荐系统的问题 5

3。1 稀疏性问题 5

3。2 冷启动问题 5

3。3 扩展性问题 5

3。4 用户兴趣变化问题 5

3。5 内容特征的提取与分析 6

4 推荐系统的评价指标 7

5 协同过滤推荐系统 8

5。1 协同过滤推荐系统的历史 8

5。2 协同过滤推荐的优点 8

5。3 协同过滤的基本步骤 8

5。4 协同过滤技术的发展10

6 基于内容的推荐系统11

6。1 基于内容推荐算法步骤11

6。2 具体例子11

7 单一推荐系统的局限性13

7。1 解决方法13

8 矩阵完整化14

8。1 压缩感知简介14

8。2 矩阵完整化简介14

8。3 矩阵完整常用算法14

8。4 矩阵完备化算法15

8。5 基于矩阵完备化的推荐算法14

8。6 数据集14

结论 18

致谢 19

低秩矩阵完备模型的推荐算法:http://www.youerw.com/jisuanji/lunwen_92977.html