融合圖像相似性與協(xié)同過濾的個性化推薦算法研究.pdf

1、蘇州大學學位論文獨創(chuàng)性聲明本人鄭重聲明：所提交的學位論文是本人在導師的指導下，獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不含為獲得蘇州大學或其它教育機構的學位證書而使用過的材料。對本文的研究作出重要貢獻的個人和集體，均已在文中以明確方式標明。本人承擔本聲明的法律責任。論文作者簽名：盔!扭裊El融合圖像相似性與協(xié)同過濾的個性化推薦算法研究中文摘要融合圖像相似性與協(xié)同過濾

2、的個性化推薦算法研究中文摘要隨著計算機互聯(lián)網(wǎng)的迅猛發(fā)展，電子商務將迎來前所未有的高速發(fā)展時期。電子商務推薦系統(tǒng)作為一個非常重要的購物助手，可以幫助用戶在海量商品中快速找到所需的商品，可以幫助企業(yè)有效地留住用戶，增加銷量，提升企業(yè)競爭力。目前推薦系統(tǒng)已廣泛應用在大型電子商務網(wǎng)站中，例如亞馬遜、淘寶、京東等。但是傳統(tǒng)的協(xié)同過濾技術依然存在著冷啟動、數(shù)據(jù)稀疏、可擴展性等多個難題，尤其是目前大多數(shù)電子商務購物網(wǎng)站都是通過商品的圖片信息來吸引顧客

3、，但是目前推薦系統(tǒng)大多沒有用到商品的圖片信息，本文針對如何利用商品的圖像信息進行推薦進行研究，將圖像相似性和傳統(tǒng)的協(xié)同過濾推薦算法相結合，提出了基于融合策略的個性化推薦算法，本文主要研究工作如下：(1)針對目前推薦系統(tǒng)評分系統(tǒng)稀疏問題、新項目問題以及傳統(tǒng)的協(xié)同過濾在近鄰尋找時出現(xiàn)的可信度不高問題，從相似性度量算法出發(fā)，提出了可以依據(jù)不同用戶間的評分數(shù)據(jù)自適應調(diào)整的相似度度量因子以及區(qū)分用戶積極傾向和消極傾向的近鄰偏好因子，綜合上述兩個因

4、子提出了優(yōu)化近鄰選擇的協(xié)同過濾算法。(2)圖像相似度推薦的關鍵問題是圖像匹配，本文在深入研究局部特征算法的基礎上，針對尺度不變特征變換算法的不足，提出了新的局部特征描述算法CGCISIFT，并通過實驗與SIFT以及其著名的擴展算法ASIFT、SURF以及PCA—SIFT在尺度不變性、旋轉不變性、光照不變性、仿射不變性以及時效性等六個方面做了對比驗證，驗證了CGCISIFT的性能。(3)提出基于融合策略興趣偏好模型以及可調(diào)節(jié)加權平衡因子，