協(xié)同過濾個性化推薦技術(shù)的研究.pdf

1、推薦系統(tǒng)是解決信息超載問題的重要工具之一，它能根據(jù)用戶以往的行為信息、評價信息來挖掘和學(xué)習(xí)用戶的喜好，對用戶的興趣進行建模，進而為用戶推薦新的內(nèi)容，幫助用戶發(fā)現(xiàn)新的興趣。與其他信息檢索工具(如搜索引擎)相比，推薦系統(tǒng)能夠提供更加個性化的服務(wù)。它能夠主動向用戶推送其感興趣的產(chǎn)品或信息，將信息檢索的過程由“用戶主動去尋找信息”轉(zhuǎn)變?yōu)椤坝脩舯粍咏邮苄畔ⅰ保延脩魪馁M時費力的檢索過程中解放出來。近些年來推薦系統(tǒng)在諸多領(lǐng)域，尤其是電子商務(wù)領(lǐng)域的成

2、功應(yīng)用使得學(xué)術(shù)界和產(chǎn)業(yè)界對推薦系統(tǒng)的興趣有增無減。
　　在現(xiàn)有推薦技術(shù)中，目前較為流行和成功的當(dāng)屬協(xié)同過濾推薦技術(shù)。與基于內(nèi)容的推薦技術(shù)相比，協(xié)同過濾推薦技術(shù)不依賴于推薦項目的內(nèi)容，同時具備發(fā)現(xiàn)用戶新興趣的能力，因而得到了廣泛應(yīng)用。然而，協(xié)同過濾技術(shù)仍面臨著諸多挑戰(zhàn)，數(shù)據(jù)稀疏性和算法伸縮性等問題仍有待解決，算法的預(yù)測精度仍有較大提高空間。
　　本文針對協(xié)同過濾技術(shù)所存在的問題做了以下工作:
　　1)研究了主要的協(xié)同過濾

3、推薦算法，詳細闡述每種算法的原理和特點，并通過一系列實驗比較了它們在不同數(shù)據(jù)集、不同數(shù)據(jù)稀疏程度下的性能，分析了不同算法之間性能差距的原因。
　　2)提出了一種使用模糊聚類技術(shù)改進的Slope One協(xié)同過濾推薦算法。相比原始的Slope One算法，該算法有更好的預(yù)測精度和伸縮性，同時模糊聚類技術(shù)和數(shù)據(jù)平滑機制使得該算法在稀疏數(shù)據(jù)集上有較好表現(xiàn)。
　　3)采用集成學(xué)習(xí)的方法設(shè)計了一種二階段算法集成框架。這種二階段集成框架可