基于標(biāo)簽和可信鄰域的協(xié)同過濾推薦算法研究.pdf

1、目前，協(xié)同過濾推薦技術(shù)已在廣告、電影、音樂等領(lǐng)域得到廣泛應(yīng)用。然而，在不同的應(yīng)用背景下，傳統(tǒng)的協(xié)同過濾推薦算法在興趣偏好模型、相似性度量方法、鄰居選擇規(guī)則等方面仍存在亟待進(jìn)一步解決的問題。因此，本文面向廣告推薦、電影推薦兩個應(yīng)用場景，引入標(biāo)簽技術(shù)和可信鄰域思想，側(cè)重研究了面向用戶的協(xié)同過濾推薦算法。本文主要進(jìn)行了以下研究工作：
　　1、研究提出了一種帶標(biāo)簽的協(xié)同過濾廣告推薦算法 ADR-CF_T（Advertising recom

2、mendation algorithm based oncollaborative filtering with tag）。該算法在面向用戶的協(xié)同過濾的廣告推薦算法的基礎(chǔ)上，引入標(biāo)簽推薦技術(shù)，通過建立Q-K-A（Query-Keywords-AD）搜索廣告興趣模型，采用Query頁加權(quán)綜合相似度度量方法，對搜索廣告的興趣偏好進(jìn)行完整描述，也保證了鄰域計算的準(zhǔn)確性。KDD CUP2012中track2數(shù)據(jù)集上的參數(shù)調(diào)節(jié)、可擴展性驗證、推薦

3、質(zhì)量對比等實驗結(jié)果表明，ADR-CF_T算法是有效可行的，在準(zhǔn)確率、召回率、F度量值方面得到了有效改善。
　　2、研究提出了一種基于可信鄰域的協(xié)同過濾電影推薦算法 FCFRA-TN（Film Collaborative Filtering Recommendation Algorithm Based onTrust Neighbor）。該算法通過增強相似度、動態(tài)鄰域選擇方法、信任度計算模型來優(yōu)化傳統(tǒng)面向用戶的協(xié)同過濾電影推薦算法，

4、既對用戶間的相似性正確地定義，也充分地過濾鄰居用戶集合。MovieLens數(shù)據(jù)集上的實驗表明，F(xiàn)CFRA-TN算法在鄰居選擇策略和信任計算方面提出的優(yōu)化是有效的，與其他相關(guān)推薦算法相比，具有更低的MAE值且推薦質(zhì)量得到了顯著提高。
　　本文研究貢獻(xiàn)：從興趣偏好模型、相似度度量方法、相似度描述、鄰居選擇策略、可信度計算等方面對傳統(tǒng)面向用戶的協(xié)同過濾推薦算法進(jìn)行優(yōu)化，并應(yīng)用于廣告推薦和電影推薦場景。實驗結(jié)果表明，優(yōu)化所提出算法是有效可