基于用戶行為數(shù)據(jù)分析的個性化推薦算法研究.pdf

1、隨著網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)規(guī)模也在呈指數(shù)式的增長，面對如此海量的數(shù)據(jù)，用戶很難在短時間內(nèi)人工過濾對自身無用的數(shù)據(jù)，而個性化推薦技術(shù)作為解決用戶信息過載問題的重要技術(shù)在這幾年中得到了迅速的發(fā)展。
　　個性化推薦系統(tǒng)的主要作用就是高效的對資源進行合理的分配，使得用戶能夠從海量的信息中迅速獲得自己想要的信息數(shù)據(jù)。隨著近幾年活躍網(wǎng)絡(luò)用戶的不斷增加，對用戶行為數(shù)據(jù)的分析成了個性化推薦算法研究的重中之重。由這些用戶行為數(shù)據(jù)所衍生出的時間效應(yīng)與信

2、任網(wǎng)絡(luò)更是成了近年來關(guān)于推薦技術(shù)研究的熱點問題。雖然這方面的研究已經(jīng)得到了相關(guān)的發(fā)展，但也存在著一些不足之處，而且大多數(shù)的研究都是對時間效應(yīng)與信任網(wǎng)絡(luò)孤立開來進行研究，而并沒有考慮到信任網(wǎng)絡(luò)也存在時間效應(yīng)的影響。
　　所以本文針對當下相關(guān)算法的不足，從用戶行為的時間效應(yīng)與信任網(wǎng)絡(luò)兩方面開展算法的研究，綜合做了如下創(chuàng)新:
　　(1)首先從用戶行為數(shù)據(jù)的時間效應(yīng)出發(fā)對推薦算法展開研究，討論總結(jié)了結(jié)合線性時間加權(quán)推薦算法的不足之處

3、:用戶的興趣不是單純呈線性變化，而是分時間段變化的。針對這個不足之處，引入時間窗口技術(shù)改進算法。最后選取實驗數(shù)據(jù)集進行實驗，驗證了改進后的算法有更好的評價指標。
　　(2)接著從用戶行為數(shù)據(jù)的信任網(wǎng)絡(luò)方面出發(fā)對推薦算法進行研究，討論總結(jié)了基于Beth信任模型的推薦算法的不足之處，包括存在信任傳遞失真與惡意推薦的問題，針對這些不足之處，通過設(shè)置信任跳數(shù)閾值與添加真假好友判斷策略完善Beth信任模型。最后選取實驗數(shù)據(jù)集進行實驗，驗證了