基于評分與閱讀行為的讀物推薦系統(tǒng)研究與實現(xiàn).pdf

1、隨著出版業(yè)與互聯(lián)網(wǎng)的不斷發(fā)展，讀物領域的信息爆炸現(xiàn)象日益突出，如何幫助用戶在大量讀物中找到喜歡的讀物成為亟待解決的問題。因此，能夠幫助用戶快速找到感興趣讀物的讀物推薦系統(tǒng)，就成為重要的應用工具。算法的篩選以及推薦系統(tǒng)普遍存在的冷啟動問題成為制約推薦系統(tǒng)研究的兩個重要問題。針對這些問題，本文進行了基于評分與閱讀行為的讀物推薦系統(tǒng)研究。
　　 本文對現(xiàn)有的推薦算法做了較為系統(tǒng)的分析總結，選取應用最廣泛效果最好的協(xié)同過濾算法進行研究，

2、分別對協(xié)同過濾算法的四種經(jīng)典模型進行應用實現(xiàn)，并設計了評分機制，分析出不同用戶對于不同算法的偏好，從而通過選擇用戶反饋最好的算法對用戶進行推薦來提高用戶對推薦系統(tǒng)的滿意度。同時針對協(xié)同過濾算法固有的冷啟動問題，提出利用用戶閱讀行為數(shù)據(jù)解決冷啟動問題，設計并實現(xiàn)了終端對用戶閱讀行為數(shù)據(jù)的采集，終端與服務器數(shù)據(jù)傳輸，服務器端數(shù)據(jù)分析，利用用戶閱讀行為數(shù)據(jù)對用戶興趣建模，在用戶首次使用推薦系統(tǒng)、沒有對推薦系統(tǒng)進行任何操作的情況下實現(xiàn)讀物推薦，