基于链路预测的个性化推荐系统毕业设计(32页).docx

《基于链路预测的个性化推荐系统毕业设计(32页).docx》由会员分享，可在线阅读，更多相关《基于链路预测的个性化推荐系统毕业设计(32页).docx（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、-基于链路预测的个性化推荐系统毕业设计-第 26 页编号：（ ）字 号本科生毕业设计（论文）基于链路预测的个性化推荐系统题目： 姓名： 学号： 班级： 二一四年六月中 国 矿 业 大 学本科生毕业设计学 院： 计算机科学与技术学院 专 业： 信息安全10-3班 设计题目： 基于链路预测的个性化推荐系统 专 题： 2014年 6月 地点：徐州毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它

2、教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

3、除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日指导教

4、师评阅书指导教师评价：一、撰写（设计）过程1、学生在论文（设计）过程中的治学态度、工作精神 优 良 中 及格 不及格2、学生掌握专业知识、技能的扎实程度 优 良 中 及格 不及格3、学生综合运用所学知识和专业技能分析和解决问题的能力 优 良 中 及格 不及格4、研究方法的科学性；技术线路的可行性；设计方案的合理性 优 良 中 及格 不及格5、完成毕业论文（设计）期间的出勤情况 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论

5、文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）指导教师： （签名） 单位： （盖章）年 月 日评阅教师评阅书评阅教师评价：一、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格二、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及

6、格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）评阅教师： （签名） 单位： （盖章）年 月 日教研室（或答辩小组）及教学系意见教研室（或答辩小组）评价：一、答辩过程1、毕业论文（设计）的基本要点和见解的叙述情况 优 良 中 及格 不及格2、对答辩问题的反应、理解、表达情况 优 良 中 及格 不及格3、学生答辩过程中的精神状态 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格

7、2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格评定成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）教研室主任（或答辩小组组长）： （签名）年 月 日教学系意见：系主任： （签名）年 月 日计算机科学与技术学院毕业设计（论文）任务书设计(论文)题目： 基于链路预测的个性化推荐系统 系 （部）： 计算机科学与技术 专 业： 信息

8、安全 起 迄 日 期: 2014 年 1 月18 日 6月 2 日 设计(论文) 地点: 中国矿业大学 发任务书日期: 2014年 1 月 13 日任务书填写要求1毕业设计（论文）任务书由指导教师根据各课题的具体情况填写，经系(部)负责人审查、院领导签字后生效。此任务书应在毕业设计（论文）开始前一周内填好并发给学生；2任务书内容必须用黑墨水笔工整书写或按统一设计的电子文档标准格式打印，不得随便涂改或潦草书写，禁止打印在其它纸上后剪贴；3任务书内填写的内容，必须和学生毕业设计（论文）完成的情况相一致，若有变更，应当经过所在专业及院分管领导审批后方可重新填写；4任务书内有关“系（部）”、“专业”等

9、名称的填写，应写中文全称，不能写数字代码。学生的“学号”要写全号；5任务书内“主要参考文献”的填写，应按照国标GB 771487文后参考文献著录规则的要求书写，不能有随意性；6有关年月日等日期的填写，应当按照国标GB/T 740894数据元和交换格式、信息交换、日期和时间表示法规定的要求，一律用阿拉伯数字书写。如“2005年2月12日”或“2005-02-12”。 毕 业 设 计（论 文）任 务 书1毕业设计（论文）应达到的目的：根据每个用户的偏好特性来提供满足用户需求的信息，进而推荐适合的信息给用户。2毕业设计（论文）的内容和要求（包括原始数据、技术要求、工作要求等）：基于网络结构的推荐算法

10、不考虑用户和产品的特征，而只是把它们抽象成为点，也不依赖用户对产品的评价数据，所有算法利用的信息都隐藏在用户和产品的选择关系中。一个有m个用户n个产品的系统，可以抽象成一个具有m+n个节点的二部图，当某个用户选择某个产品时就在这两个节点之间连线，而且用户曾经选择的产品具有向用户推荐其它产品的能力，根据给定的公式可以计算某个产品推荐其它产品的能力。 1. 掌握Python语言，学会使用Python第三方开源包Networkx进行复杂网络的分析；使用Django+MySQL进行Web开发。2. 掌握二元网络结构，分析二元网络的特征，预测二元网络链路的演化。3. 优化商品推荐系统。 注：二元网络是可

11、以明确分为两类的网络，只有不同类之间发生联系，相同类不存在联系。如“用户”+“商品”，“用户”+“群组”网络。3对毕业设计（论文）成果的要求包括图表、实物等硬件要求：基于链路预测的个性化推荐系统。4主要参考文献：1. Jannach Deitmar, Felfering Alexander, Friedrich Gerhard and Zanker Markus,Recommender Systems: ANINTRODUCTION, 2010, Cambridge University Press2. Schein A, Popescul A., Ungar L.h and Pennock

12、D.M, “Methods And Metrics For Cold-start Recommendations”, pp. 253-2603. Nock R. and Nielsen F, “On Weighting Clustering”, vol. 28, no. 8, pp. 1-13, 20064. G. Lekakos and P. Caravelas. A hybrid approach for movie recommendation. Multimedia tools and applications, 36(1):55-70, 2008. (Pubitemid 350274

13、737)5. Z. Li, B. Ding, J. Han, and R. Kays. Swarm: Mining relaxed temporal moving object clusters. Proceedings of the VLDB Endowment, 3(1-2):723-734, 2010.5毕业设计（论文）工作进度计划：序号起 迄 日 期工 作 内 容12014-01-182014-03-21查阅相关文献，综述推荐系统的研究现状。分析已有的推荐方法并进行费雷，指明优缺点。完成开题工作。22014-03-222014-04-30设计推荐算法。编程实现推荐系统，通过实验验证算法

14、有效性及准确性。撰写毕业论文.完成中期检查工作。32014-05-12014-06-2完成毕业设计论文，做好答辩准备指导教师签名曹天杰日期：2014 年 1 月 13 日系(部)审查意见： 负责人(签名)： 年 月 日学院意见： 学院： 年 月 日院长签字： 指导教师签字：中国矿业大学毕业设计指导教师评阅书指导教师评语（基础理论及基本技能的掌握；独立解决实际问题的能力；研究内容的理论依据和技术方法；取得的主要成果及创新点；工作态度及工作量；总体评价及建议成绩；存在问题；是否同意答辩等）：成 绩： 指导教师签字： 年 月 日中国矿业大学毕业设计指导教师评阅书指导教师评语（基础理论及基本技能的掌握

15、；独立解决实际问题的能力；研究内容的理论依据和技术方法；取得的主要成果及创新点；工作态度及工作量；总体评价及建议成绩；存在问题；是否同意答辩等）：成 绩： 指导教师签字： 年 月 日中国矿业大学毕业设计答辩及综合成绩答 辩 情 况提 出 问 题回 答 问 题正 确基本正确有一般性错误有原则性错误没有回答答辩委员会评语及建议成绩：答辩委员会主任签字： 年 月 日学院领导小组综合评定成绩：学院领导小组负责人： 年 月 日摘 要 在当今社会，互联网普及迅速、电子商务网站如雨后春笋搬涌现，商品信息越来越丰富，甚至有过载的问题。怎样让用户在面对大量商品时能够方便快捷的查找到自己所需求的目标，成为了当今电

16、子商务系统迫切需要解决的问题。而个性化推荐系统的出现为这种需求提供了技术支持，但是技术进步一定伴随着不完美，目前已存在的个性化推荐技术在应用中还有着不同程度的问题，有的推荐效率低，有的不能满足用户的个性化需求。现在的互联网企业已经不能满足于通过大量投资来获得用户喜好信息了，在以用户为核心的新兴互联网站点可以抛开传统模式的限定，更准确的抓住用户需求，所以个性化推荐系统的研究是十分有实用意义的。推荐技术是商品推荐的研究重点，因为这种技术的选取是否准确直接关系到推荐质量的好坏。个性化推荐系统的实现方法有很多，但由于它需要计算、挖掘、分析的数据千差万别，因此没有任何一种现有的基础算法能够在各种情况下都

17、取得优异的效果，现实应用中更多的采用的是混合了多种推荐算法的推荐策略。当前国内外对于个性化推荐技术的研究中，关联规则推荐技术是最容易实现、最热门的，但在实际应用中它当然不是完美的，在数据稀疏的情况下，很难找到商品和商品间的强关联关系，这时算法在执行时就会遇到很大问题，这些问题也急需解决。作者基于关联规则的个性化推荐系统做了自己的尝试，通过学习数据挖掘知识和相关推荐算法，综合FP增长算法和Apriori算法后实现了关联规则的推荐功能。作者使用Django工具Python语言实现了该功能，通过对Apriori算法的模仿与改进，丰富了个性化推荐模型，可以建立不同层次商品间隐含的有价值的关系，能够为更

18、潜在也更有价值的客户服务，满足更多样化的用户的需求。最后，本文以作者所做的个性化推荐系统为例，以WEB展现的方式，阐释了基于链路预测，基于关联规则推荐算法的个性化推荐系统的体系结构设计、主要功能分析、工作流程和后台数据的设计等。该系统通过分析用户购物的历史记录来挖掘用户的兴趣偏好，然后在不断的更新与学习中为用户提供更准确的个性化推荐。关键词：基于关联规则 商品推荐 Fptree算法 ABSTRACTIn modern society,the rapid popularity of the Internet sites are springing move emerge, product inf

19、ormation and more abundant,and even overload problem. How to let users face the large quantities of goods to be able to easily and quickly find the targets they need which is becoming an urgent need of solving the problem. The emergence of personalized recommendation system to provide technical supp

20、ort to this demand,but must be accompanied by technical progress is not perfect,there already exists a personalized recommendation technology there are different degrees of problems in the application, and some recommend low efficiency,can not meet the individual needs of users. Internet companies h

21、ave now can not be satisfied to get the user preference information through a lot invested in emerging user-centric Internet sites can put aside the traditional model of limited,more accurately grasp the needs of users , the study personalized recommendation system there is a very practical sense.Re

22、commended technique is recommended commodity research focus,because this technology is selected directly related to the accuracy of recommendation quality is good or bad.There are implementations of many personalized recommendation system , but because it needs to be calculated , mining, analyzed da

23、ta vary widely, so there is no basis for any kind of existing algorithms can in each case are achieved excellent results in more realistic application the blend is used in a variety of recommendation algorithms recommended strategy. The current study abroad for personalized recommendation technology

24、 , the association rules recommended technique is the easiest to achieve , the most popular , but in practice it is certainly not perfect , in the case of sparse data , it is difficult to find goods and commodities between the strong relationship , then the algorithm will encounter in the implementa

25、tion of large problems, these problems need to be resolved .Author personalized recommendation system based on association rules to try to do their own learning through data mining knowledge and related recommendation algorithm , the algorithm integrated FP growth and Apriori algorithm of associatio

26、n rules recommended features . The authors used tools in Python Django implements this feature , through imitation and improved Apriori algorithm , enriched personalized recommendation model , you can create different levels of implied valuable commodity relations , potentially able to be more and m

27、ore valuable customer services to meet the diverse needs of more users .Finally, the author made personalized recommendation system as an example to explain the link-based forecasting,architecture design association rule recommendation algorithm based personalized recommendation system,the main func

28、tion analysis,workflow and design and other background data.The system by analyzing the users shopping history to tap the users interest preferences and constantly updated to provide users with learning more accurate personalized recommendations .目 录1.绪论11.1研究背景11.2研究意义11.3国内外研究现状31.4论文研究主要内容和论文组织安排

29、32.推荐系统相关知识52.1链路预测52.1.1链路预测的发展方向52.2数据挖掘技术8 2.2.1 数据挖掘技术的定义.8 2.2.2 数据挖掘技术的一般过程.2.3小结103.个性化推荐系统主要算法和应用113.1基于关联规则的推荐11 3.3.1 关联规则的定义.4.个性化推荐系统设计234.1系统前端与数据库234.1.1Django简介234.1.2Mysql数据库的嵌入244.2算法相关代码分析254.2.1sample.py264.2.2用fptree进行数据挖掘264.2.3FP树的挖掘过程27 4.2.4不同情况下的判定方式.30 4.2.5算法的优化.314.3系统运行效

30、果评估274.3.1系统运行效果分析284.3.2系统功能测试304.4小结305.总结与展望315.1本文主要工作315.2工作展望31参考文献33致 谢461. 绪论1.1 研究背景 个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。 个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支

31、持和信息服务。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求，推荐基于：网站最热卖商品、客户所处城市、客户过去的购买行为和购买记录，推测客户将来可能的购买行为。 在电子商务时代，商家通过购物网站提供了大量的商品，客户无法一眼通过屏幕就了解所有的商品，也无法直接检查商品的质量。所以，客户需要一种电子购物助手，能根据客户自己的兴趣爱好推荐客户可能感兴趣或者满意的商品。 个性化推荐的最大的优点在于，它能收集用户特征资料并根据用户特征，如兴趣偏好，为用户主动作出个性化的推荐。而且，系统给出的推荐是可以实时更新的，即当系统中的商品库或用户特征库发生改变时，给出的推荐

32、序列会自动改变。这就大大提高了电子商务活动的简便性和有效性，同时也提高了企业的服务水平。 总体说来，一个成功的个性化推荐系统的作用主要表现在以下三个方面：1） 将电子商务网站的浏览者转变为购买者：电子商务系统的访问者在浏览过程中经常并没有购买欲望，个性化推荐系统能够向用户推荐他们感兴趣的商品，从而促成购买过程。2）提高电子商务网站的交叉销售能力：个性化推荐系统在用户购买过程中向用户提供其他有价值的商品推荐，用户能够从系统提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品，从而有效提高电子商务系统的交叉销售。3）提高客户对电子商务网站的忠诚度：与传统的商务模式相比，电子商务系统使得用户

33、拥有越来越多的选择，用户更换商家极其方便，只需要点击一两次鼠标就可以在不同的电子商务系统之间跳转。个性化推荐系统分析用户的购买习惯，根据用户需求向用户提供有价值的商品推荐。如果推荐系统的推荐质量很高，那么用户会对该推荐系统产生依赖。因此，个性化推荐系统不仅能够为用户提供个性化的推荐服务，而且能与用户建立长期稳定的关系，从而有效保留客户，提高客户的忠诚度，防止客户流失。 个性化推荐系统具有良好的发展和应用前景。目前，几乎所有的大型电子商务系统，如Amazon、eBay等不同程度的使用了各种形式的推荐系统。国内方面，知名购物网站淘宝、凡客诚品、聚美优品等都率先选择了本土最先进的推荐引擎系统构建个性

34、化推荐服务系统。在日趋激烈的竞争环境下，个性化推荐系统能有效的保留客户，提高电子商务系统的服务能力。成功的推荐系统会带来巨大的效益。 另一方面，各种提供个性化服务的Web站点也需要推荐系统的大力支持，国内推荐系统领航者百分点科技就Web站点个性化内容推荐方面也做出了贡献，在信息爆棚的今天，实施个性化阅读势在必行。1.2 研究意义 近年来，随着网络科学的快速发展，链路预测的研究越来越被提上日程，而链路预测的研究与网络结构的演化也越来越紧密的联系起来。因此，对于个性化预测这个课题，人们越来越关注，对它的理论化研究迫在眉睫。而计算机专业人士研究链路预测的优势正在与理论的计算。与此同时，对链路预测的研

35、究也可以从理论上帮主我们认识复杂网络演化的机制。 这个课题的内容十分复杂，刻画其中网络结构的统计量也非常的多，各项机制各有优劣难以计算比较。其中，如何刻画网络中节点相似性是一个很重要的问题，与此问题类似的还有相似性的度量指标问题，只有能够快速准确的评估相似性定义，才能够很好的刻画一个给定网络节点间的关系，才能进一步研究网络特征对相似性选择的影响。这个方面，链路预测可以起到很重要的作用，通过构造网络系统，并利用最大似然估计方法进行链路预测也是很重要的研究方向。 链路预测不仅具有如上所述的理论价值，在高新科技应用方面它还有更重要的意义。比如生物网络中，蛋白质相互作用网络和新陈代谢网络，节点之间是否

36、存在相互作用关系，这些是需要通过大量实验来验证的。这类实验是需要耗费高额成本的，如果能够事先通过科学方法进行验证，就会减少不必要的实验成本。除此之外，链路预测算法还可以用于分析演化网络，比如对在线社交网络的预测，“猜你喜欢”“你可能想要关注”等，如果预测结果准确，毫无疑问会增加网站粘性和用户忠诚度。链路预测的思想和方法还有更广泛的应用，比如预测网络中的错误链接，分析网络重组和结构优化问题，甚至在构建生物网络实验中都有可能应用链路预测的原理。论文研究主要内容和论文组织安排底层数据库模块脚本生成推荐算法模块数据挖掘模块个性化推荐模块Web端浏览模块本文主要介绍了基于链路预测的个性化推荐技术的算法和

37、实现过程，给出了利用Python和Mysql平台具体的实现方案，并且进行了Aprior算法在个性化推荐方面的实验，最终在WEB端下成功实现基于关联规则的商品推荐服务，而该功能主要是利用Django编写的。主要功能模块和实现如图1.1所示：图1.1 系统功能模块分析本文一共由五章组成：第一章为绪论,主要讲述了基于链路预测的个性化推荐技术的背景、基于链路预测的个性化推荐技术的研究的意义和价值，并根据当前个性化链路预测的发展状况，分类讲解了当前常见的个性化推荐技术技术，最后提出了个性化推荐技术存在的困难以及有待解决的问题。第二章分析了个性化推荐技术的相关技术，主要介绍了什么事基于链路预测、常用算法等

38、相关技术和常用的分析工具。本章还提到了数据挖掘技术，展示了推荐技术研究者在数据分析、数据整合方面提出的经典理论，突出了数据挖掘、机器学习、数据分析是个性化推荐领域研究的一个重要方面。第三章主要介绍了个性化推荐技术的主流算法。主要分析了基于内容的推荐算法，描基于用户和基于项目的协同过滤算法的具体功能，重点详述了基于关联规则的推荐技术、对其背景和原理进行了详细的讲解，章节中还提到了一种比较复杂的混合式算法。最后讲几种算法进行了优劣比较，可见各有优势劣势。第四章主要介绍了个性化推荐技术的实现方法。给出了Aprior算法在商品推荐方面的一个应用实例，并描述了系统后天使用的web网站系统的工作机制和用到

39、的技术。最后通过原文和展现的结果的演示，使用案例分析了个性化推荐系统的效果。第五章总结全文，指出个性化推荐系统还存在的问题，以及后面应该做的事情。提出了后面进一步应该解决的问题，并给出了解决这些问题应该注意的方面以及解决问题应该研究的方向。2. 个性化推荐相关技术2.1 链路预测2.1.1 链路预测的发展链路预测在近年来备受关注，发展迅速。我们可以注意到，一方面它在网络节点外在属性获取问题上难度很高，但另一方面，收益于复杂网络的快速发展，它的研究热点也从前者慢慢转移到其他问题上，这也简化了链路预测的研究难度。但是这个课题的研究最终的重点仍集中在社交网络上，是通过数据向用户推荐数据，但目前还有没

40、有对算法性能和网络结构之间的关系很深入的研究。对于复杂网络，虽然论文和研究很多，但并不系统。链路预测研究中，网络系统理论和最大似然估计法到复杂网络研究的统计学基础。这些方面的研究遇到的主要问题是数据量巨大，精确计算难度高，对于大规模网络很难实现。这方面的文献也是如此，处理的网络节点数量偏少，预测效果对于不具有明显层次结构的网络并不理想。 近些年，复杂网络的研究出现了很多分支，大多立足于解释网络演化的内在驱动因素。还有些论文讨论了如何将链路预测的方法和思想与一些应用问题，例如部分标号网络的节点类型预测与信息推荐问题，相联系的可能性与方法，但是，目前尚缺乏对于大规模真实数据在应用层面的深入分析和研究。这方面的研究不仅仅具有实用价值，而且有助于揭示链路预测这个问题本身存在的优势与局限性。2.2 数据挖掘技术2.2.1 技术上的定义及含义数据挖掘，就是从各种各样的