融合用戶屬性和興趣對比度的協(xié)同過濾個性化推薦研究.pdf

1、為解決信息過載問題和應(yīng)對用戶對個性化服務(wù)的需求，個性化推薦技術(shù)應(yīng)運(yùn)而生，本文希望通過對個性化推薦的優(yōu)化與創(chuàng)新，讓用戶能夠更快更精準(zhǔn)的找到自己想要的資源。在眾多個性化推薦技術(shù)中，協(xié)同過濾算法是當(dāng)下研究的熱門。因?yàn)槠渌惴ǖ膽?yīng)用范圍最廣泛，發(fā)展時間最長，算法最成熟。協(xié)同過濾推薦主要是根據(jù)存貯在系統(tǒng)數(shù)據(jù)庫中用戶歷史消費(fèi)及評分?jǐn)?shù)據(jù)，來分析用戶的興趣，預(yù)測用戶未來可能消費(fèi)什么樣的產(chǎn)品，從而對其實(shí)施個性化推薦。以往的協(xié)同過濾算法研究，主要是以用戶評分

2、矩陣為基礎(chǔ)，進(jìn)行用戶偏好的感知，以用戶打分的相似性來判斷用戶之間興趣的相似性。隨著算法的發(fā)展，特別是可擴(kuò)展性問題、冷啟動問題等算法瓶頸的出現(xiàn)，純粹依賴評分矩陣數(shù)據(jù)來尋找最近鄰，就顯得力不從心。因此，必須尋找其他有效的用戶偏好數(shù)據(jù)來源。本文對用戶偏好的感知方法進(jìn)行改進(jìn)，引入了用戶屬性信息這一重要的偏好感知數(shù)據(jù)源，與評分矩陣共同構(gòu)成用戶偏好感知的數(shù)據(jù)基礎(chǔ)。用戶屬性作為描述用戶個體特征的重要信息，不同的屬性可以將用戶劃分到不同類別的群體當(dāng)中，

3、這些用戶群可能存在一定的興趣偏好相似性，將這些特定用戶群的共同興趣找出來，作為產(chǎn)生推薦的基礎(chǔ)。本文定義了一個新的衡量用戶興趣偏好的參數(shù)，即:興趣對比度。在此基礎(chǔ)上，提出了一個融合用戶屬性和興趣對比度的協(xié)同過濾個性化推薦算法，該算法以用戶屬性組合為約束，結(jié)合興趣對比度共同產(chǎn)生待推薦集合，經(jīng)過整理刪選后形成最后的推薦列表。本文提出的新算法，將克服傳統(tǒng)協(xié)同過濾的可擴(kuò)展性問題作為改進(jìn)的目標(biāo)。在新算法的整個流程設(shè)計中，不依賴傳統(tǒng)的用戶相似性計算來