基于項目屬性協(xié)同過濾算法的研究與應(yīng)用.pdf

1、自互聯(lián)網(wǎng)進(jìn)入到2.0時代，人們對信息的需求從被動的消費者轉(zhuǎn)向主動的生產(chǎn)者。同時，互聯(lián)網(wǎng)又突破了人們在地域和文化上的邊界，更加方便的給人們提供他人的聰明智慧。如今，各大網(wǎng)站為人們提供信息和服務(wù)的方式也發(fā)生了改變，從信息的分類展示轉(zhuǎn)向信息的個性化推薦，尤其是擁有大量注冊用戶的網(wǎng)站，往往推薦準(zhǔn)確度越高越能獲得更高的用戶滿意度和口碑。然而，推薦系統(tǒng)在提供個性化服務(wù)時仍面臨著諸多的挑戰(zhàn)：降低在線推薦計算的時間，充分挖掘用戶行為數(shù)據(jù)的維度，以及新用

2、戶歷史數(shù)據(jù)的稀疏等。因此，推薦系統(tǒng)在研究人們平日上網(wǎng)的行為習(xí)慣同時，還要綜合考慮上述問題，才能給出用戶可能感興趣的資源列表。本文基于協(xié)同過濾推薦技術(shù)，從用戶行為情境的角度出發(fā)，選擇對推薦準(zhǔn)確度有嚴(yán)重影響的因素進(jìn)行深入的探討和研究，旨在改善協(xié)同過濾算法所面臨的評分偏見性、用戶行為情景缺失等問題。論文在以下幾個方面開展理論研究與實踐工作：
　　（1）研究了用戶給物品評分時，傳統(tǒng)的基于項目的協(xié)同過濾算法對用戶偏好計算的偏見性問題，提出了

3、基于項目屬性相關(guān)度的協(xié)同過濾算法（IBHF）。首先，給出了項目間相似度計算模型；然后把用戶-項目評分矩陣與項目屬性隱式數(shù)據(jù)結(jié)合，提出改進(jìn)的Pearson相似度算法，在原有的相似度計算模型上增加了計算維度，進(jìn)一步提高了項目間相似度的計算結(jié)果；最后，用實驗證明算法提高了推薦準(zhǔn)確度。
　?。?）結(jié)合用戶當(dāng)下所處的情境，分析了基于項目的協(xié)同過濾算法在用戶需求分組后相似度度量問題，提出了一種基于用戶上下文維度上升的協(xié)同過濾算法（CADRCF

4、）。該算法根據(jù)用戶的購買動機(jī)把用戶分組，擴(kuò)展了用戶的行為數(shù)據(jù)集，并在原有的相似度度量模型上拓展了度量維度，進(jìn)而產(chǎn)生推薦。該方法彌補(bǔ)了用戶情境缺失造成的推薦準(zhǔn)確度下降問題，又能在一定程度上避免新用戶加入時的推薦冷啟動問題。最后，實驗結(jié)果證明本文提出的算法能夠提高房源推薦精度，并一定程度上解決了新用戶加入時的冷啟動問題。
　?。?）在前文所作研究的基礎(chǔ)上，本文針對用戶在線找房時對房源過濾的需求，設(shè)計并實現(xiàn)了面向找房服務(wù)的推薦原型系統(tǒng)，