基于用戶聚類和移動上下文的矩陣分解推薦算法研究.pdf

1、隨著移動通信網絡技術的飛速發(fā)展，移動設備逐步成為人們獲取網絡服務和信息資源的主要平臺之一。移動用戶在享受移動設備帶來的方便同時也面臨著嚴重的“信息過載”問題。推薦系統(tǒng)是解決信息過載、幫助用戶進行決策的“工具”。而在移動環(huán)境中，上下文因素成為移動用戶選擇和決策的重要影響因素，因此不能直接將傳統(tǒng)互聯(lián)網推薦算法應用在移動推薦中。在這樣情景下，如何將移動上下文融入到移動推薦中為用戶提供實時、準確的服務，進一步提高移動推薦系統(tǒng)的精確度和用戶的滿意

2、度，成為當今移動推薦的熱點和難點。
　　為了更精確和迅速地從海量的服務中找到用戶感興趣的內容，本文針對引入上下文數(shù)據(jù)更加稀疏、上下文信息融入不夠、不同情景下用戶相似性的度量被忽略等問題，綜合考慮用戶全局和局部的影響，利用移動環(huán)境中上下文對移動用戶的影響進行研究，提出了融入移動上下文的矩陣分解推薦算法；以及基于用戶聚類和移動上下文的矩陣分解推薦算法。有效的利用移動上下文因素對用戶的影響改進了傳統(tǒng)的偏差矩陣分解推薦方式，并通過實驗驗證

3、了算法的有效性，在此基礎上還設計了一個基于此算法的移動AP P原型，進行地點推薦。
　　本文主要工作如下：
　?、俜治隽伺c本文課題相關的研究背景、研究意義與研究現(xiàn)狀，并針對研究現(xiàn)狀中存在有關基于上下文推薦存在的不足提出解決方案，最后對本論文的主要工作內容、目的、以及本文所需相關技術進行分析。
　?、卺槍σ苿迎h(huán)境下引入上下文推薦后常見的稀疏性問題、忽略上下文相似性等問題，本文結合移動上下文的相似性對偏差矩陣進行改進，提出

4、了融入上下文的矩陣分解推薦算法。
　　③為更好提高推薦效率，本文在利用聚類技術同時考慮用戶偏好和移動上下文因素，提出基于用戶聚類和移動上下文的矩陣分解推薦算法。該算法以偏差矩陣為基礎，利用聚類技術對用戶進行聚類后，再在每簇局部數(shù)據(jù)中利用移動用戶上下文相似性進行限制，以正則項的方式融入到矩陣分解中，利用梯度下降法對其進行求解。經實驗表明該算法有效的提高了預測評分的準確率和推薦的準確度。
　?、芑谟脩艟垲惡鸵苿由舷挛牡木仃嚪纸?/p>