基于協(xié)同過濾的個(gè)性化新聞推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們已經(jīng)由信息匱乏時(shí)代邁進(jìn)信息過載時(shí)代。海量的信息資源使得人們很難找到自己感興趣的內(nèi)容，這一用戶需求促進(jìn)了個(gè)性化推薦系統(tǒng)的發(fā)展。個(gè)性化推薦系統(tǒng)以其能夠過濾大量無用信息，預(yù)測用戶潛在喜歡內(nèi)容的優(yōu)勢，得到了各領(lǐng)域越來越廣泛的應(yīng)用。
　　本文研究的是個(gè)性化推薦系統(tǒng)在新聞?lì)I(lǐng)域的應(yīng)用，雖然新聞個(gè)性化推薦已經(jīng)在理論研究中取得了長足發(fā)展，但仍有很多問題亟待解決，如：數(shù)據(jù)稀疏性問題、冷啟動(dòng)問題、可擴(kuò)展性問題等。因此本文把解決

2、個(gè)性化新聞推薦系統(tǒng)中的數(shù)據(jù)稀疏性和冷啟動(dòng)問題作為研究重點(diǎn)，其主要工作有：
　　①提出一種基于用戶偏好和項(xiàng)目屬性的協(xié)同過濾推薦算法（IAUPCF）。本算法在傳統(tǒng)的用戶項(xiàng)目評(píng)分矩陣的基礎(chǔ)上，融入用戶偏好和項(xiàng)目屬性，把評(píng)分矩陣轉(zhuǎn)換成基于用戶偏好和項(xiàng)目屬性的評(píng)分矩陣（IAUPEM），然后根據(jù)IAUPEM計(jì)算目標(biāo)用戶最近鄰居集。此改進(jìn)算法解決了傳統(tǒng)相似性計(jì)算只依賴用戶評(píng)分值而造成數(shù)據(jù)稀疏的問題。
　?、谔岢鲆环N新的有效預(yù)測評(píng)分值方法，