基于GPU和內(nèi)容標(biāo)簽的個(gè)性化推薦系統(tǒng)研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展給人們的生活和工作帶來了巨大的便利,但是Web上的海量信息也產(chǎn)生了“信息泛濫”的問題。如何構(gòu)建行之有效的個(gè)性化推薦系統(tǒng),快速高效地分析出用戶的個(gè)性化行為模型,為用戶推薦出他們真正喜歡的信息內(nèi)容,是目前各大商業(yè)化網(wǎng)站的重要研究內(nèi)容之一。但是,研究人員在開發(fā)基于用戶個(gè)性化需求的Web推薦系統(tǒng)的過程中遇到了以下兩個(gè)主要問題:第一,需要提高個(gè)性化推薦算法的準(zhǔn)確性,保證推薦的結(jié)果確實(shí)是用戶當(dāng)前需要的信息;其次,需要優(yōu)化推薦系統(tǒng)的執(zhí)

2、行效率,加快算法執(zhí)行速度,為用戶提供接近于實(shí)時(shí)的個(gè)性化推薦服務(wù)。
　　 本文對(duì)傳統(tǒng)的基于內(nèi)容的推薦算法和基于條目的協(xié)同過濾算法進(jìn)行分析,在社會(huì)化內(nèi)容標(biāo)簽的基礎(chǔ)上,設(shè)計(jì)出了一種新的混合型的推薦方法,同時(shí)在CUDA(Compute UnifledDevice Architecture,統(tǒng)一計(jì)算設(shè)備架構(gòu))體系下利用GPU(Graphic Processing Unit,圖形處理器)對(duì)算法進(jìn)行了多方面的優(yōu)化。
　　 本文用這種混

3、合型的推薦算法在MovieLens提供的數(shù)據(jù)集上進(jìn)行了用戶的個(gè)性化推薦,實(shí)驗(yàn)結(jié)果表明,與其他幾種實(shí)現(xiàn)的推薦算法相比較,本文的算法在整體預(yù)測(cè)評(píng)分的平均絕對(duì)誤差上擁有更小的誤差值,在給用戶提供的個(gè)性化推薦結(jié)果方面,這種混合型的推薦算法對(duì)推薦結(jié)果的預(yù)測(cè)更為準(zhǔn)確合理,同時(shí),隨著用戶規(guī)模和資源條目規(guī)模的擴(kuò)大,此方法在大規(guī)模用戶和資源條目的實(shí)驗(yàn)環(huán)境下可以獲得更好的加速比。所以,這種混合型的推薦算法可以為大規(guī)模的商業(yè)化系統(tǒng)提供一種快速有效的個(gè)性化推薦