基于動態(tài)統(tǒng)計(jì)的協(xié)同過濾推薦算法研究.pdf

1、基于動態(tài)統(tǒng)計(jì)的協(xié)同過濾推薦算法研究重慶大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）學(xué)生姓名：涂彪指導(dǎo)教師：李傳東教授學(xué)位類別：工程碩士（計(jì)算機(jī)技術(shù)領(lǐng)域）重慶大學(xué)計(jì)算機(jī)學(xué)院二O一五年五月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要隨著信息技術(shù)以及互聯(lián)網(wǎng)的飛快發(fā)展，用戶面對著的信息量呈指數(shù)級別的增長。面對著爆炸式增長的信息，用戶要快速準(zhǔn)確地找到自己所需要的信息就越發(fā)的困難且耗時。為了解決用戶所面臨的這種問題，推薦系統(tǒng)隨之產(chǎn)生，它旨在根據(jù)不同用戶的偏好和興趣為其提供個

2、性化的信息過濾服務(wù)。當(dāng)前，在各種推薦技術(shù)中，協(xié)同過濾算法表現(xiàn)出眾，相比于其他算法具備很多優(yōu)點(diǎn)，以至于被廣泛用于很多領(lǐng)域，特別是它成功的運(yùn)用在電子商務(wù)系統(tǒng)中。但是基于協(xié)同過濾的推薦算法普遍存在著數(shù)據(jù)稀疏性、擴(kuò)展性、冷啟動以及實(shí)時性等問題，目前越來越多的研究者圍繞這一系列問題展開了研究。本文以協(xié)同過濾推薦算法為基礎(chǔ)，分析了協(xié)同過濾算法存在的各種問題，接著研究了基于協(xié)同過濾算法的技術(shù)改進(jìn)方向。提出了項(xiàng)目熱度和用戶活躍度的計(jì)算方法，并提出了基于

3、項(xiàng)目熱度的未評分矩陣生成與基于用戶活躍度的用戶推薦預(yù)測來做推薦。本文主要做了如下的研究工作：第一：為了滿足系統(tǒng)實(shí)時性的需求，同時從項(xiàng)目和用戶兩個角度提取和分析了動態(tài)數(shù)據(jù)，在項(xiàng)目方面引入了項(xiàng)目的熱度概念和計(jì)算方法，在用戶方面引入了用戶的活躍度概念和計(jì)算方法，再基于這兩個屬性來減少用戶與項(xiàng)目所需要進(jìn)行計(jì)算的集合。第二：為了增強(qiáng)系統(tǒng)擴(kuò)展性，提出了基于用戶活躍度的抽樣，嘗試著將需要計(jì)算的用戶相似性縮短到常量級，大大緩解了系統(tǒng)隨著用戶規(guī)模增大時系

4、統(tǒng)計(jì)算量迅速增長的問題。第三：針對冷啟動問題，提出了基于項(xiàng)目和用戶兩個方向數(shù)據(jù)的融合，根據(jù)項(xiàng)目產(chǎn)生未評分矩陣，在未評分矩陣中采用了基于項(xiàng)目熱度的補(bǔ)償方法，這樣提高了項(xiàng)目上的實(shí)時性，也解決了新項(xiàng)目的問題。同時根據(jù)用戶數(shù)據(jù)和評分矩陣產(chǎn)生了最近鄰居，再根據(jù)這兩個數(shù)據(jù)集產(chǎn)生推薦的項(xiàng)目，進(jìn)一步降低新用戶問題對系統(tǒng)精度的影響。綜合兩個方法，本文提出的算法很大程度上彌補(bǔ)了協(xié)同過濾算法在冷啟動上的不足。第四：為了驗(yàn)證本文中提出的改進(jìn)算法的可信性和有效性