基于多維用戶興趣模型的協(xié)同過(guò)濾推薦算法.pdf

1、互聯(lián)網(wǎng)以及移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，信息量呈井噴狀增長(zhǎng)。面對(duì)海量的信息，用戶獲取信息越來(lái)越困難。為了解決這些問(wèn)題，搜索技術(shù)和推薦技術(shù)應(yīng)運(yùn)而生。搜索技術(shù)是系統(tǒng)根據(jù)用戶輸入的查詢條件檢索信息，推薦技術(shù)是系統(tǒng)根據(jù)用戶的喜好，自動(dòng)的為用戶呈現(xiàn)信息。
　　在個(gè)性化推薦系統(tǒng)，用戶興趣模型是基礎(chǔ)、個(gè)性化推薦算法是核心。本文首先介紹了個(gè)性化推薦研究、用戶興趣模型、協(xié)同過(guò)濾推薦算法的研究現(xiàn)狀，分析現(xiàn)有用戶興趣模型和協(xié)同過(guò)濾推薦算法的不足。在此基礎(chǔ)上，對(duì)

2、用戶興趣模型和協(xié)同過(guò)濾推薦算法進(jìn)行研究，完成的主要工作如下:
　　(1)針對(duì)向量空間模型的局限性以及用戶的興趣漂移問(wèn)題，本文給出了一個(gè)兩層的多維用戶興趣模型，并且給出了針對(duì)模型的更新算法，使得能夠更好地捕捉用戶的興趣漂移。
　　(2)針對(duì)協(xié)同過(guò)濾推薦算法中用戶冷啟動(dòng)問(wèn)題，給出了新用戶推薦算法。該算法利用用戶特征計(jì)算用戶之間的相似度，尋找目標(biāo)用戶的最近鄰居，根據(jù)最近鄰居對(duì)項(xiàng)目的評(píng)分來(lái)預(yù)測(cè)目標(biāo)用戶對(duì)這些項(xiàng)目的評(píng)分，把評(píng)分較高的項(xiàng)

3、目推薦給用戶。
　　(3)針對(duì)協(xié)同過(guò)濾推薦算法中的項(xiàng)目冷啟動(dòng)問(wèn)題，給出了新項(xiàng)目推薦算法。該算法利用項(xiàng)目屬性計(jì)算項(xiàng)目之間的相似度，尋找目標(biāo)項(xiàng)目的最近鄰居，根據(jù)最近鄰居被用戶的評(píng)分來(lái)預(yù)測(cè)這些用戶對(duì)項(xiàng)目的評(píng)分，向評(píng)分較高的用戶進(jìn)行推薦。
　　(4)根據(jù)多維用戶興趣模型，在用戶相似度計(jì)算中加入用戶興趣度相似，改進(jìn)了協(xié)同過(guò)濾推薦算法。協(xié)同過(guò)濾推薦算法通過(guò)計(jì)算用戶之間的評(píng)分相似度來(lái)尋找最近鄰居，本文算法通過(guò)計(jì)算用戶之間的興趣相似度來(lái)尋找