基于用戶相似度和主題相似度的移動(dòng)APP信息推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，用戶通過網(wǎng)絡(luò)可以獲取更加多樣化的信息，但是隨之而來的信息超載問題導(dǎo)致用戶很難從海量信息中獲取到對(duì)自己有價(jià)值的信息。傳統(tǒng)的推薦算法如協(xié)同過濾推薦、基于內(nèi)容的推薦、基于人口統(tǒng)計(jì)學(xué)的推薦等推薦技術(shù)在互聯(lián)網(wǎng)推薦領(lǐng)域取得了較好的效果，給本文基于用戶相似度和主題相似度的移動(dòng)APP個(gè)性化推薦算法提供了算法支撐。
　　首先，本文分析了推薦技術(shù)的研究現(xiàn)狀、面臨的問題、基本架構(gòu)以及推薦技術(shù)的實(shí)現(xiàn)策略，著重介紹了個(gè)性化推薦技術(shù)

2、的原理、步驟以及移動(dòng)環(huán)境對(duì)個(gè)性化推薦的要求，總結(jié)了傳統(tǒng)推薦方法的推薦策略和思想。
　　然后，針對(duì)個(gè)性化推薦方法中存在的一些推薦的精確度不高和滿意度較低的問題，提出了一種基于用戶相似度和主題相似度的信息推薦算法?；谟脩粝嗨贫鹊碾x線推薦算法通過改進(jìn)傳統(tǒng)算法中用戶名稱屬性值和數(shù)值屬性值計(jì)算，同時(shí)，將影響用使用者趣偏好的互動(dòng)行為因素進(jìn)行抽象，融合到用戶相似度計(jì)算中，最后通過加權(quán)給出用戶相似度算法?；谥黝}相似度的在線個(gè)性化推薦算法的思想

3、是首先對(duì)使用者偏好的文本內(nèi)容通過潛在狄利克雷分配模型(Latent Dirichlet Allocation，LDA)提取出主題，然后抽象出使用者對(duì)項(xiàng)目的認(rèn)可操作，使用算法對(duì)用戶進(jìn)行個(gè)性化推薦。針對(duì)用戶興趣突然發(fā)生變化的情況，本文構(gòu)造用戶的時(shí)間和行為偏好模型，通過模型判斷是否存在多用戶共用同一賬號(hào)或者興趣突然發(fā)生變化的情況。針對(duì)推薦領(lǐng)域中的冷啟動(dòng)問題，通過挖掘用戶與信息之間的隱藏興趣偏好，構(gòu)建出新用戶對(duì)信息的偏好預(yù)測(cè)模型，進(jìn)行偏好信息預(yù)

4、測(cè)。
　　最后仿真實(shí)驗(yàn)表明，本算法在用戶滿意度方面較高，相比于基于近鄰的算法中基于用戶的協(xié)調(diào)過濾(User based Pearson Correlation Coefficient，UPCC)算法、基于服務(wù)的協(xié)調(diào)過濾（Item based Pearson Correlation Coefficient，IPCC）算法、概率分解(Probabilistic Matrix Factorization，PMF)算法在準(zhǔn)確率、召回率及覆