推薦網(wǎng)絡(luò)分析及個性化推薦算法研究.pdf

1、本文主要基于復(fù)雜網(wǎng)絡(luò)理論來研究推薦系統(tǒng)中的用戶評分預(yù)測問題。重點研究了用戶評分行為的異質(zhì)性,提出了多個有效的個性化推薦算法。這些工作推動了推薦系統(tǒng)從個性化推薦算法到算法的個性化的研究。主要工作成果如下:
　　1.提出一種結(jié)合用戶偏好的個性化推薦算法。最近被提出的混合推薦算法將用戶對算法的偏好程度設(shè)為一致,有悖于用戶對算法偏好具有異質(zhì)性的事實。本文提出和設(shè)計了針對用戶偏好的個性化算法參數(shù)。通過兩個基準(zhǔn)數(shù)據(jù)集上的實驗結(jié)果表明,該算法在

2、準(zhǔn)確率上能分別提高1.56％和8.33％。
　　2.提出了推薦算法的個性化概念并研究了用戶的最佳適用算法。傳統(tǒng)推薦系統(tǒng)對所有用戶使用單一推薦算法,而實際上不同用戶適合采用不同的推薦機(jī)制。本文嘗試根據(jù)用戶自身特性關(guān)聯(lián)其最適用的算法。實驗結(jié)果表明,若所有用戶匹配到其最佳算法,相比兩個典型算法,在排序準(zhǔn)確度上能分別提高20.53％和12.35％。該工作有助于推動解決數(shù)據(jù)集特性與其最佳推薦算法關(guān)聯(lián)的重要問題。
　　3.提出一種基于產(chǎn)

3、品質(zhì)量和用戶評分偏好的個性化推薦算法。協(xié)同過濾推薦算法在用戶或產(chǎn)品數(shù)目龐大時,可擴(kuò)展性面臨嚴(yán)峻挑戰(zhàn)。本文提出一種依據(jù)產(chǎn)品質(zhì)量和用戶評分偏好的個性化推薦算法,該算法不僅具有低復(fù)雜度和可解釋性好等優(yōu)點,在三個基準(zhǔn)數(shù)據(jù)集上的實驗結(jié)果表明,該算法的預(yù)測準(zhǔn)確性比趨勢推薦算法分別提高2.99％,3.18％和3.53％。
　　4.提出一種基于用戶評分可信性的個性化推薦算法。由于推薦系統(tǒng)能直接影響用戶對商品的購買意圖,因而容易受到惡意用戶的攻擊,