結(jié)合社交與標簽信息的推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)及電子商務的迅速發(fā)展，推薦技術(shù)得到廣泛應用。電子商務系統(tǒng)中每天都有大量新用戶和新商品的加入，推薦系統(tǒng)的準確性和冷啟動問題日益嚴重。因此，本文針對推薦系統(tǒng)中的準確性問題和冷啟動問題，進行了深入的研究。
　　 針對推薦系統(tǒng)的準確性問題，本文提出了結(jié)合社交與標簽信息的協(xié)同過濾推薦算法。首先，定義了小眾重疊度和個體重要度的概念，并描述了“個體-小眾-社區(qū)”的形成過程;其次，分析“用戶-項目-標簽”三元組信息獲得用戶間的相似度，

2、并結(jié)合社區(qū)中的個體重要度，最終得到目標用戶的偏好預測和個性化推薦。
　　 對于推薦系統(tǒng)中的新項目冷啟動問題，本文提出了結(jié)合用戶信息、標簽信息、項目屬性信息以及時間信息的個性化推薦算法。首先，定義了用戶時間權(quán)重信息概念，該定義考慮到了用戶評價時間與項目發(fā)布時間的時間間隔，根據(jù)用戶時間權(quán)重值的大小判斷該用戶是積極用戶還是消極用戶，以及用戶對新項目的偏愛程度;其次，利用三分圖的形式描述用戶-項目-標簽、用戶-項目-屬性之間的關系;然后

3、，在充分考慮用戶信息、標簽信息、項目屬性信息以及時間信息的基礎上，獲得個性化的預測評分值公式。
　　 針對新用戶冷啟動問題，本文提出了結(jié)合用戶信息、標簽信息、項目屬性信息以及用戶社交信息的個性化推薦算法。在解決新項目冷啟動問題的推薦算法思想基礎上，融合用戶社交信息，并對新用戶好友的預測評分值進行加權(quán)計算，獲得新用戶對項目的預測評分值。
　　 本文采用了公共數(shù)據(jù)集Last.fm、Movielens進行了一系列的對比實驗、交