文章题目 | 基于协同过滤的微信点餐推荐系统的设计与实现 |
作者 | |
期刊 | 论文在线阅读—中国知网 (cnki.net) |
摘要 | |
关键词 | 协同过滤;推荐系统;Docker;PXC;RedisCluster; |
名词解释 | |
文献研究目的 | |
推荐系统应用现状 | 在1990 年代,为了解决邮件过载问题,推荐系统的概念被首次提出[6]。在2003 年,亚马逊公司首次使用基于物品的推荐算法,深入到网站的各类商品中,为亚马逊增加了至少 30%的销售额171。在 2005年,Adomavicius G 等人提到将推荐方式分为 3个类别,分别是基于内容的推荐、基于协同过滤的推荐和混合推荐8。在2012年,CremonesiP等人将深度神经网络应用于推荐系统中,实现了从大规模可选的推荐内容中找到最有可能的推荐结果9。随着互联网的兴起,推荐技术在人们的生活中扮演的越来越重要的角色,如人们经常使用的淘宝、今日头条、豆瓣影评以及各种外卖app 等产品。 |
创新之处 | 创新点: 1、考虑到人的偏好会随着时间的推移而变化,因为时间越近的评分越能反应出个人的偏好情况,所以在计算用户之间相似度的过程中加入时间参数作为权重因子,修正时间所带来的影响; 2、另外,考虑到推荐系统中有的用户之间的共同评分项目数偏低,会导致推荐结果不置信。为了修正这种偏差,本文对计算后的相似度值进行重新加权,权重因子根据用户之间的共同评分项目数计算得到,最后将得到的结果进行归一化处理; 3、同时,针对协同过滤算法的稀疏性问题研究,受K近邻(KNN)算法启发的影响,本文使用的是滑动平均窗口技术对用户-评分矩阵的缺失值进行预填充,可以有效提高推荐质量。 |
研究结果 | |
理论意义 | |
实践启示 | 1.可以做一个系统去展现 2.找到推荐算法跟知识图谱的联系,之间可实施的路径 |
论文清单:
https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2022&filename=KXTS202210004&uniplatform=NZKPT&v=cnX-2cCW3C6lv6whzstQ1EvktVVxy8jL34dVi6Nhjiha7fhrz7yih_B5D4ZF71Ni
https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=KXTS20220927001&uniplatform=NZKPT&v=cnX-2cCW3C6sDiwnAhz-qopwzcXz1ElkGWpsTS8_baGw754xaZ9GXsWfNBtTi-2b
论文在线阅读—中国知网 (cnki.net)
https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2022&filename=KYXH202203001&uniplatform=NZKPT&v=OhAcPs_g4maqvFLb0ZnL9KTK9fVc0a46JtREGl67ocNosgNblNQ5AwHCeVBV3S0J
基于知识图谱的个性化兴趣点推荐方法研究 - 中国知网 (cnki.net)
基于知识图谱的推荐算法研究 - 中国知网 (cnki.net)
基于变形图匹配的知识图谱多跳问答 - 中国知网 (cnki.net)