基于用戶多維相似度的協(xié)同過濾推薦算法.pdf

1、隨著手持設(shè)備和桌面電腦的普及，網(wǎng)絡(luò)已經(jīng)成為了人們生活中不可缺少的一部分。人們通過互聯(lián)網(wǎng)進行著諸多的社會活動，網(wǎng)絡(luò)信息的增長速度日益加快，合理利用互聯(lián)網(wǎng)信息首先要做的就是信息的過濾和分類。推薦系統(tǒng)在網(wǎng)絡(luò)信息和用戶之間建起一座橋梁，在一定程度上方便了人們的生活。上世紀90年代初到現(xiàn)在的20余年中，推薦系統(tǒng)日益成熟，本文從用戶信息出發(fā)，多角度分析用戶屬性及其網(wǎng)絡(luò)行為，研究如何利用和挖掘用戶信息進而改進協(xié)同過濾推薦系統(tǒng)，主要工作如下：
　

2、　1.本文介紹了推薦系統(tǒng)在國內(nèi)外的發(fā)展現(xiàn)狀，對協(xié)同過濾推薦算法進行歸納整理，并對其進行原理分析，對其中相關(guān)的關(guān)鍵技術(shù)進行分析。
　　2.相似度計算。作為推薦系統(tǒng)的核心模塊，相似度的計算直接影響推薦的結(jié)果，對推薦精度、覆蓋率、召回率有直接的關(guān)系，優(yōu)化推薦系統(tǒng)的關(guān)鍵在于優(yōu)化相似度計算，本文通過研究相似度計算原理對傳統(tǒng)相似度計算方法進行改進，利用用戶之間的個體差異計算用戶對項目的偏好差別，進而計算出用戶之間相似度。通過在公開數(shù)據(jù)集上進行

3、實驗，并不斷調(diào)整相關(guān)參數(shù)，使得到的推薦精度達到較理想水平。
　　3.評論文本信息挖掘與利用。相對常規(guī)的評分或等級評定，自然語言評論更能代表用戶的直觀體驗，文本評論無疑包含著大量的用戶信息和用戶喜惡。本文通過爬蟲工具爬取了互聯(lián)上網(wǎng)具有代表性的大量酒店評論文本，并構(gòu)建中文評論文本處理系統(tǒng)，對包含用戶情感的評論文本進行信息提取和量化，將得到的用戶情感進行傾向性分析，并將其作為計算用戶間相似度的數(shù)據(jù)。
　　4.多維相似度算法。相似度

4、的計算不應(yīng)是基于某一用戶屬性或行為，應(yīng)當全面考慮可影響用戶選擇的信息，這樣才能計算出較為準確的用戶近鄰，從而進行精確推薦。本文將用戶自身屬性、用戶評分集合、用戶文本評論中包含的情感傾向等要素，賦以不同的權(quán)重參與相似度的計算。對得到的推薦結(jié)果進行分析并不斷調(diào)整權(quán)重以選取最優(yōu)推薦結(jié)果。
　　本文從多維度計算用戶之間的相似度，重點分析了用戶評論信息包含的情感傾向，從而得到更為準確的用戶近鄰。通過實驗分析和對比，本文模型可以為用戶提供較為