基于隨機游走的推薦技術研究及應用.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，“信息過載”成為用戶使用互聯(lián)網(wǎng)獲取信息時所面臨的一個重要問題。雖然借助于信息檢索技術，可以從一定程度上得到緩解，在面對海量的信息時，用戶仍然還會迷失方向，甚至不知道自己真正需要的是什么。由此，個性化推薦技術應運而生，它能夠有效地處理這類問題。本文回顧了推薦系統(tǒng)的相關算法，并重點研究隨機游走方法在個性化推薦中的應用。
　　本文介紹幾種經(jīng)典的、已經(jīng)在商業(yè)領域得到廣泛應用的鄰域算法。由于數(shù)據(jù)的稀疏性是協(xié)同過濾系統(tǒng)存

2、在的一個重要問題，為此本文分析了稀疏性的成因、表現(xiàn)，稀疏性對推薦精度的影響，以及相關的解決辦法，并著重介紹一種基于隨機游走的算法SimRank及其改進形式SimRank++。SimRank++算法基于相似性具有傳遞性的假設，建立對象之間的關聯(lián)關系，實驗分析發(fā)現(xiàn)SimRank++直接應用于推薦系統(tǒng)中的效果差強人意，本文對其做進一步改進。為了能夠?qū)崿F(xiàn)個性化推薦，我們將主題敏感的PageRank算法應用于用戶一物品二分圖，將每個用戶看作一個主

3、題，產(chǎn)生一種新的圖模型算法:個性化的PageRank(Personalized PageRank， PPageRank)。本文還給出PPageRank算法的收斂性證明，并建立鄰域算法同圖模型算法關系，最后將SimRank++改進算法的加權思想融入到PPageRank中并提出一種加權形式的PPageRank算法:WPPageRank。
　　本文使用基于用戶的協(xié)同過濾推薦算法(UserCF)與基于物品的協(xié)同過濾算法(ItemCF)作為