基于權(quán)限特征的信息推薦技術(shù)研究.pdf

1、隨著信息技術(shù)的蓬勃發(fā)展，信息資源數(shù)量也呈指數(shù)級增長，越來越多的信息資源一方面給商業(yè)決策、居民生活提供了更多的幫助與便利，另一方面也增加了信息的選擇使用成本，帶來了嚴(yán)重的信息泛濫問題。個(gè)性化推薦技術(shù)是應(yīng)對信息泛濫問題的有效手段，目前在許多領(lǐng)域已經(jīng)建立了若干個(gè)性化推薦系統(tǒng)，但大多數(shù)推薦系統(tǒng)并未對用戶的權(quán)限加以區(qū)分，默認(rèn)用戶具有訪問所有信息的權(quán)限。這種方式在構(gòu)建推薦模型時(shí)可帶來一定便利，但在某些應(yīng)用場景下會帶來一定不足。
　　本文按照信

2、息是否具有訪問權(quán)限的限制，將信息分為兩類，非權(quán)限信息與權(quán)限信息，以目前應(yīng)用最為廣泛的協(xié)同過濾技術(shù)為基礎(chǔ)，對上述兩種信息的個(gè)性化推薦問題展開研究，主要工作概括如下：
　　1.比較詳細(xì)地闡述了個(gè)性化推薦相關(guān)的理論和技術(shù)，包括推薦系統(tǒng)框架、推薦算法、算法評測等。
　　2.針對非權(quán)限信息的個(gè)性化推薦問題，分析了協(xié)同過濾技術(shù)在該類信息推薦上的不足，針對性地提出了一種基于協(xié)同過濾的Logistic混合推薦算法。該算法是一種層疊式的混合推

3、薦算法，首先利用協(xié)同過濾技術(shù)得到粗糙的推薦結(jié)果，然后利用Logistic回歸模型對推薦結(jié)果做進(jìn)一步判斷。實(shí)驗(yàn)表明針對非權(quán)限信息的個(gè)性化推薦問題該算法具有較好的推薦效果。
　　3.針對權(quán)限信息的個(gè)性化推薦問題，分析了協(xié)同過濾技術(shù)在該類信息推薦上的不足，針對性地提出了一種基于權(quán)限的協(xié)同過濾混合推薦算法。該算法以協(xié)同過濾為基礎(chǔ)，結(jié)合用戶特征，將用戶對不同權(quán)限信息的歷史評價(jià)分開處理以提高用戶相似度計(jì)算的精度，進(jìn)而提高初始預(yù)測結(jié)果的質(zhì)量，然