基于用戶偏好的協(xié)同過濾推薦方法研究.pdf

1、網(wǎng)絡(luò)資源的爆炸式增長,加劇了信息過載問題,推薦技術(shù)應(yīng)運而生成為解決這一問題最有效的方法之一,其中的協(xié)同過濾推薦,是目前最成功的推薦技術(shù)之一。它通過分析與目標用戶相似性高的近鄰用戶的偏好,將近鄰用戶喜歡的項目推薦給目標用戶。盡管協(xié)同過濾取得了巨大成功,但卻存在數(shù)據(jù)稀疏性、可擴展性和群組推薦等關(guān)鍵問題,這些問題制約著其進一步發(fā)展,因此本文對這些問題展開深入的研究。本文的主要研究內(nèi)容如下:
　　1.通過改進的TF-IDF構(gòu)建了用戶項目特

2、征偏好矩陣,從而減少了用戶項目特征偏好矩陣的維數(shù)。針對數(shù)據(jù)稀疏性問題,引入項目特征,同時考慮用戶的興趣漂移對用戶偏好的影響,通過改進的TF-IDF構(gòu)建用戶項目特征偏好矩陣,由于物品的項目特征能從內(nèi)容方面來表現(xiàn)用戶的偏好,且項目的領(lǐng)域特征遠少于項目的數(shù)量,減少了用戶項目特征偏好矩陣的維數(shù)。
　　2.針對可擴展性問題,提出一種改進的K-Means用戶聚類的方法。該方法通過類間差異度和類內(nèi)差異度確定最終的K值來解決K-Means方法需要

3、人為設(shè)定初始K值的問題。在類內(nèi)計算目標用戶與其他用戶的相似度來得到近鄰集,并進行預(yù)測評分和推薦,提高了效率和擴展性。
　　3.針對傳統(tǒng)的協(xié)同過濾算法適用于對個體推薦而不適用于群組用戶推薦,設(shè)計了一種基于用戶項目特征偏好和評分來構(gòu)建群組偏好模型。根據(jù)群組成員間的相互作用構(gòu)建群組評分矩陣和項目特征偏好矩陣,以基于用戶的協(xié)同過濾算法為基礎(chǔ),將群組用戶看成一個虛擬用戶,進行相似度計算和預(yù)測評分。
　　4.通過引入權(quán)重因子的方法,構(gòu)建