個(gè)性化推薦系統(tǒng)應(yīng)用及研究.pdf

1、Internet為人們提供了極其豐富的信息資源，在這些海量、異構(gòu)的Web信息資源中蘊(yùn)含著具有巨大潛在價(jià)值的知識(shí)。但是，面對(duì)信息的汪洋大海，人們往往感到無(wú)所適從，-出現(xiàn)了所謂的“信息過(guò)載”和“信息迷向”的現(xiàn)象。根據(jù)用戶訪問(wèn)項(xiàng)目的歷史記錄以及項(xiàng)目之間的相關(guān)信息可以構(gòu)建用戶的興趣模型，從而憑借該用戶興趣模型對(duì)繁雜的信息進(jìn)行過(guò)濾，并向用戶推薦其可能感興趣的項(xiàng)目，這就是個(gè)性化推薦系統(tǒng)所做的事情。事實(shí)上，推薦系統(tǒng)已經(jīng)成為目前解決信息過(guò)載最有效的工具

2、之一。針對(duì)個(gè)性化推薦系統(tǒng)存在的用戶興趣漂移問(wèn)題，本文提出了基于網(wǎng)絡(luò)稠密度的用戶興趣漂移檢測(cè)方法，并利用該方法設(shè)計(jì)了包裹(wrapper)一般推薦系統(tǒng)的方法，該方法能在快速檢測(cè)用戶興趣漂移的同時(shí)去除噪聲用戶對(duì)推薦系統(tǒng)的影響，提高推薦系統(tǒng)的精確度和穩(wěn)定性。并以科技論文在線推薦系統(tǒng)為研究背景，設(shè)計(jì)了基于網(wǎng)絡(luò)結(jié)構(gòu)的快速論文推薦算法，并把該算法應(yīng)用到中國(guó)科技論文在線的實(shí)際數(shù)據(jù)上，實(shí)現(xiàn)了一個(gè)論文在推薦系統(tǒng)網(wǎng)站。主要工作如下： 1)提出了一種

3、能夠適用于推薦系統(tǒng)的基于項(xiàng)目相似網(wǎng)絡(luò)結(jié)構(gòu)的興趣漂移快速檢測(cè)算法。該算法根據(jù)用戶已訪問(wèn)的項(xiàng)目構(gòu)建相似網(wǎng)絡(luò)，并以該網(wǎng)絡(luò)的稠密度和連續(xù)度為依據(jù)去除噪聲用戶，同時(shí)依據(jù)稠密度的變化來(lái)檢測(cè)興趣漂移的發(fā)生與否和發(fā)生時(shí)刻。由于用戶訪問(wèn)項(xiàng)目網(wǎng)絡(luò)一般較小，計(jì)算量大大縮減，實(shí)現(xiàn)了在快速檢測(cè)興趣漂移的同時(shí)，避免了噪聲用戶數(shù)據(jù)對(duì)推薦系統(tǒng)穩(wěn)定性的影響。 2)把基于用戶訪問(wèn)項(xiàng)目網(wǎng)絡(luò)稠密度的興趣漂移檢測(cè)算法應(yīng)用到推薦系統(tǒng)，用以解決用戶興趣漂移對(duì)推薦系統(tǒng)性能影響

4、的問(wèn)題。為此，本文實(shí)現(xiàn)了基于內(nèi)容和基于協(xié)同過(guò)濾兩種基本的推薦算法。為驗(yàn)證本文興趣漂移檢測(cè)算法應(yīng)用到推薦系統(tǒng)中的有效性，我們?cè)贛ovieLens提供的用戶對(duì)電影評(píng)分?jǐn)?shù)據(jù)集上，引入模擬的用戶興趣漂移數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，我們的興趣漂移檢測(cè)算法可以有效減少用戶興趣漂移對(duì)推薦系統(tǒng)帶來(lái)的干擾，提高了推薦性能。 3)將推薦系統(tǒng)應(yīng)用到教育部科技發(fā)展中心支持的科技論文共享網(wǎng)站的用戶個(gè)性化服務(wù)項(xiàng)目中，完成推薦系統(tǒng)在中國(guó)科技論文在線網(wǎng)站數(shù)據(jù)上的實(shí)際應(yīng)