基于協(xié)同過濾的個性化推薦算法的研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們逐漸從信息匱乏的時代走入了信息過載的時代。在這個時代，信息的生產(chǎn)者和消費(fèi)者都遇到了極大的挑戰(zhàn):信息生產(chǎn)者渴望自己生產(chǎn)的信息脫穎而出，受到用戶的關(guān)注。信息消費(fèi)者渴望從大量信息中找到自己感興趣的信息。個性化推薦系統(tǒng)是解決這一矛盾的重要工具，它通過建立用戶與商品之間的二元關(guān)系，利用已有的選擇關(guān)系向用戶推薦潛在的感興趣的商品，進(jìn)而進(jìn)行個性化推薦?，F(xiàn)在各Web2.0網(wǎng)站已廣泛使用各種推薦技術(shù)，但隨著應(yīng)用的加深及網(wǎng)站規(guī)

2、模的不斷擴(kuò)大，推薦系統(tǒng)面臨著各種各樣的挑戰(zhàn)。
　　 本文總結(jié)了個性化推薦領(lǐng)域的國內(nèi)外研究現(xiàn)狀，分析了已有方法的優(yōu)缺點(diǎn)。針對現(xiàn)有推薦算法的多樣性不足等缺陷，在傳統(tǒng)協(xié)同過濾算法的基礎(chǔ)上，提出了新的算法。該算法可以有效提高推薦的多樣性、新穎性，并覆蓋更多的商品種類，更好地滿足用戶的個性化需求。具體來說，本文的主要工作如下:
　　 (1)總結(jié)歸納了目前涉及推薦算法多樣性的相關(guān)知識。介紹了相關(guān)的評價指標(biāo)、多樣性與精確性之間如何權(quán)衡

3、、提高推薦多樣性的常用方法。深入分析了兩種協(xié)同過濾算法的推薦原理及推薦步驟，分析它們的優(yōu)缺點(diǎn)，以及常用的優(yōu)化方法。
　　 (2)針對傳統(tǒng)協(xié)同過濾算法缺乏多樣性、新穎性等問題，提出了新的算法。該算法降低了活躍用戶、熱門商品對計(jì)算商品相似度的貢獻(xiàn)，并利用貝葉斯理論分析用戶對商品特征屬性的喜好度。在計(jì)算商品相似度時，考慮用戶對商品特征的喜好度，在此基礎(chǔ)上計(jì)算目標(biāo)商品的最近鄰居。最后通過實(shí)驗(yàn)比對結(jié)果驗(yàn)證算法的有效性。
　　 (3