基于內(nèi)容的自適應(yīng)推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，人們逐漸地從曾經(jīng)的信息匱乏時代步入了信息過載的時代。如何從海量信息里獲取自己所需要的信息迅速成為研究的熱點(diǎn)。由于在信息過濾中的良好表現(xiàn)，推薦系統(tǒng)成為解決信息過載問題有效方法，并產(chǎn)生了巨大的商業(yè)利潤。由此推薦系統(tǒng)在商業(yè)應(yīng)用以及學(xué)術(shù)研究方面都有極大的研究價值。在眾多的推薦系統(tǒng)中，基于內(nèi)容的推薦系統(tǒng)在文本推薦領(lǐng)域有著廣泛的應(yīng)用。本文主要對內(nèi)容推薦系統(tǒng)中初始模板的構(gòu)建以及用戶模板的更新進(jìn)行分析和研究，提出了一種應(yīng)用于文

2、本推薦的基于內(nèi)容的自適應(yīng)推薦系統(tǒng)，以提高推薦的準(zhǔn)確性及效率。在建立初始用戶模板方面，本文提出了一種基于 TextRank算法建立初始模板的方法，利用了用戶提供信息中的集簇性。通過確定詞義項(xiàng)，聚類，建立圖模型，引入各種影響力因子修正TextRank概率轉(zhuǎn)移矩陣等一系列操作，在只有少量數(shù)據(jù)的情況下，建立起一個精確的用戶模板，有效地提升了推薦精度。在用戶模板更新方面，本文在使用用戶提供的新數(shù)據(jù)更新模板的同時將信息檢索中的偽相關(guān)反饋概念引入系統(tǒng)