協(xié)同過(guò)濾推薦系統(tǒng)多樣性和動(dòng)態(tài)變化問(wèn)題的研究.pdf

1、隨著計(jì)算機(jī)的普及和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)上的信息量迅速增長(zhǎng)，信息過(guò)載問(wèn)題成為目前首要解決的問(wèn)題。傳統(tǒng)的搜索引擎技術(shù)由于被動(dòng)的服務(wù)方式和缺乏個(gè)性化等缺點(diǎn)已不能滿足用戶的需求，推薦系統(tǒng)應(yīng)運(yùn)而生。協(xié)同過(guò)濾推薦作為目前應(yīng)用最成功的數(shù)據(jù)挖掘技術(shù)之一得到廣泛的關(guān)注和研究。通過(guò)檢索文獻(xiàn)發(fā)現(xiàn)，目前對(duì)協(xié)同過(guò)濾推薦系統(tǒng)的研究多集中在精確性問(wèn)題上，多樣性扣動(dòng)態(tài)變化問(wèn)題的研究并不多，因此本文將重點(diǎn)針對(duì)這兩個(gè)問(wèn)題展開研究，本文的研究工作主要如下:
　　

2、(1)介紹推薦系統(tǒng)的初衷、定義，概述當(dāng)前主流的推薦算法，著重介紹協(xié)同過(guò)濾推薦算法，包括該推薦算法的思想、分類和推薦步驟。同時(shí)闡述了目前常用的評(píng)價(jià)指標(biāo)，包括精確性評(píng)價(jià)指標(biāo)和多樣性評(píng)價(jià)指標(biāo)。
　　(2)針對(duì)協(xié)同過(guò)濾推薦系統(tǒng)的多樣性問(wèn)題，本文設(shè)計(jì)了基于項(xiàng)目類別屬性的協(xié)同過(guò)濾推薦算法，該算法以基于項(xiàng)目的協(xié)同過(guò)濾推薦為基礎(chǔ)，融入項(xiàng)目的類別屬性信息，定義了項(xiàng)目類別貢獻(xiàn)函數(shù)，并用它對(duì)預(yù)測(cè)評(píng)分公式進(jìn)行改進(jìn)。算法的原理是通過(guò)降低與待評(píng)分項(xiàng)目類別完全

3、相同的項(xiàng)目的得分、提高與待評(píng)分項(xiàng)目類別不完全相同的項(xiàng)目的得分，來(lái)提高推薦的多樣性。最后實(shí)驗(yàn)結(jié)果表明改進(jìn)的算法提高了推薦的多樣性。
　　(3)針對(duì)協(xié)同過(guò)濾推薦系統(tǒng)的動(dòng)態(tài)變化問(wèn)題，現(xiàn)有改進(jìn)主要是針對(duì)用戶興趣變化、物品生存周期和時(shí)間熱點(diǎn)效應(yīng)三個(gè)方面進(jìn)行，忽略了具有周期性消費(fèi)特征的物品對(duì)推薦產(chǎn)生的影響。針對(duì)這一現(xiàn)象，本文設(shè)計(jì)了基于時(shí)間周期性加權(quán)的協(xié)同過(guò)濾推薦算法。該算法在時(shí)間加權(quán)的基礎(chǔ)上，考慮到時(shí)間周期因素的影響，定義了周期貢獻(xiàn)函數(shù)，并用

4、它對(duì)預(yù)測(cè)評(píng)分公式進(jìn)行改進(jìn)。算法的原理是通過(guò)增強(qiáng)處于活躍期的評(píng)分對(duì)推薦產(chǎn)生的影響，從而達(dá)到更高的推薦精確性。最后經(jīng)過(guò)多次實(shí)驗(yàn)證明改進(jìn)的算法具有更高的推薦精確性。
　　本文針對(duì)推薦系統(tǒng)多樣性和動(dòng)態(tài)變化問(wèn)題進(jìn)行了探究，提出了基于項(xiàng)目類別屬性的協(xié)同過(guò)濾推薦算法和基于時(shí)間周期性加權(quán)的協(xié)同過(guò)濾推薦算法。前者不同于一般的改進(jìn)算法從結(jié)果出發(fā)進(jìn)行改進(jìn)而是從源頭分析尋找改進(jìn)方法，改進(jìn)的算法在對(duì)推薦多樣性要求較高的場(chǎng)景中十分適用;后者除了考慮到用戶興趣