评委一评分?/p>
签名及备?/p>
队号?/p>
20025
评委三评分,签名及备?/p>
评委二评分,
签名及备?/p>
选题?/p>
B
评委四评分,签名及备?/p>
题目:基于层次分析法?/p>
BP
神经网络对书籍推荐的研究
?/p>
?/p>
随着信息技术和互联网的发展,关于各类信息的评价、推荐越来越被广泛关
注。本文根据一个著名网上书店的用户行为信息,分析影响用户评分的因素来建
立用户对书籍的评分体系模型,进而对用户进行书籍推荐?/p>
对于问题一,首先对原始数据筛选处理,得到用户对书籍的评价?/p>
5
分的?/p>
据;考虑到不同因素对书籍评分的影响,然后再对标签、社交好友、书籍浏览量
三组数据分别进行双变量相关分析,得到用户对书籍的评分分数与标签数量、用
户好友数量、书籍的历史浏览量成正相关的关系,对用户对书籍评分影响程度分
别为历史浏览量>用户好友人数>书籍标签数量?/p>
对于问题二,本文分别通过建立层次分析模型?/p>
BP
神经网络模型对评分进
行预测。首先将三个影响评分的因素:书籍的书签数量、历史浏览量、用户的?/p>
友数量作为评分指标,建立层次评价指标体系。然后,通过建立层次分析模型?/p>
得到标签数量、历史浏览量、用户好友数量三个指标的权重?/p>
0.0813
?/p>
0.6837
?/p>
0.2349
,进而确定用户对书籍的评分公式,再将问题中的
36
组数据分别进行分
?/p>
,
并运用评分公式得到用户对每个书籍的评分。接下来构建
BP
神经网络模型?/p>
先对原始数据进行筛选得?/p>
99
组数据;把不同用户对书籍的标签数量、用户好
友数量、书籍浏览量和对应的书籍评分作为输入量,将其他用户对书籍的评分作
为输出量?/p>
选取
80
组数据训练该神经网络?/p>
剩余
19
组数据检验模型,
误差?/p>
5.3%
之内,最后利用该训练好的网络预测用户对书籍评分。通过两种模型的对比得?/p>
更为精确的结果?/p>
对于问题三,本文考虑到对书籍的好评频率越?/p>
,
用户对书籍的喜爱程度?/p>
高,
通过对原始数据筛选得到用户未看过书的
ID
?/p>
选取前三本评分为五分频率最
高的书籍?/p>
即为推荐给该用户的三本书?/p>
ID
?/p>
然后循环五次进行分析最终得到问
题所要求的五个用户的推荐书籍
ID
?/p>
关键字:书籍评分;相关分析;层次分析法;
BP
神经网络