基于滑標(biāo)評(píng)分的推薦系統(tǒng)模型及算法研究.pdf

1、隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，海量的信息得以迅速傳播，繁雜的物品涌現(xiàn)到人們面前。為不知所措的人們從這些信息和物品中選擇那些最適合他們的成了當(dāng)前的迫切需求。于是，推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)根據(jù)用戶行為習(xí)慣、信息內(nèi)容類型以及物品屬性特征來向用戶推薦信息和物品。例如，新聞網(wǎng)站使用推薦系統(tǒng)根據(jù)用戶的閱讀習(xí)慣進(jìn)行新聞推薦；電子商務(wù)網(wǎng)站使用推薦系統(tǒng)根據(jù)用戶的消費(fèi)偏好進(jìn)行產(chǎn)品推薦；音樂、視頻網(wǎng)站使用推薦系統(tǒng)根據(jù)用戶的興趣喜好進(jìn)行音樂、視頻推薦；社交網(wǎng)站使用推

2、薦系統(tǒng)根據(jù)用戶的社交關(guān)系進(jìn)行好友推薦。
　　可以看出，推薦系統(tǒng)已經(jīng)越來越多地被應(yīng)用到實(shí)際生活中，它們?cè)谔岣哂脩舻臐M意度的同時(shí)也帶來了巨大的商業(yè)利益。然而，當(dāng)前的推薦算法由于原始數(shù)據(jù)的不完整性、算法本身處理數(shù)據(jù)的特殊性以及用戶行為變化的多樣性，會(huì)產(chǎn)生諸如冷啟動(dòng)、可解釋性差和復(fù)雜興趣推薦困難等問題。當(dāng)前已經(jīng)有很多收集信息的方法被用來緩解冷啟動(dòng)問題，比如收集用戶注冊(cè)信息、收集用戶反饋信息、導(dǎo)入用戶社交信息等，但這些工作或者涉及隱私或者很

3、難有恰當(dāng)?shù)姆绞剑瑢?dǎo)致數(shù)據(jù)有時(shí)候并不是十分準(zhǔn)確，也就不能很好地上解決冷啟動(dòng)的問題。另外也有其他的一些方法，比如基于標(biāo)簽的推薦方法被提出，用于改善可解釋性，但是該方法由于人們使用標(biāo)簽的習(xí)慣不同以及標(biāo)簽提供的數(shù)據(jù)并不充足使得推薦效果有時(shí)候并不盡如人意。據(jù)筆者所知，當(dāng)前還未有很好的方法用來解決復(fù)雜興趣推薦問題。
　　針對(duì)當(dāng)前方法和模型的不足，本文提出一種基于滑標(biāo)評(píng)分的推薦系統(tǒng)模型，旨在使用一種較為簡(jiǎn)潔的方式——滑標(biāo)評(píng)分，來獲取用戶最準(zhǔn)確的