基于用戶相似度和主題相似度的移動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致用戶很難從海量信息中獲取到對自己有價值的信息。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)計學的推薦等推薦技術(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APP個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)的實現(xiàn)策略，著重介紹了個性化推薦技術(shù)

2、的原理、步驟以及移動環(huán)境對個性化推薦的要求，總結(jié)了傳統(tǒng)推薦方法的推薦策略和思想。
　　然后，針對個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傳統(tǒng)算法中用戶名稱屬性值和數(shù)值屬性值計算，同時，將影響用使用者趣偏好的互動行為因素進行抽象，融合到用戶相似度計算中，最后通過加權(quán)給出用戶相似度算法?；谥黝}相似度的在線個性化推薦算法的思想

3、是首先對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項目的認可操作，使用算法對用戶進行個性化推薦。針對用戶興趣突然發(fā)生變化的情況，本文構(gòu)造用戶的時間和行為偏好模型，通過模型判斷是否存在多用戶共用同一賬號或者興趣突然發(fā)生變化的情況。針對推薦領(lǐng)域中的冷啟動問題，通過挖掘用戶與信息之間的隱藏興趣偏好，構(gòu)建出新用戶對信息的偏好預測模型，進行偏好信息預

4、測。
　　最后仿真實驗表明，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)算法在準確率、召回率及覆