個(gè)性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的日趨成熟，人們在網(wǎng)上進(jìn)行購物、看視頻、看小說以及聽音樂等各種活動(dòng)，因此，越來越多的數(shù)據(jù)就這樣產(chǎn)生了。在如此巨大的信息量中找出自己感興趣的信息，傳統(tǒng)的做法是用戶根據(jù)鍵入的關(guān)鍵字，再利用百度、谷歌等搜索引擎，從而找出有用的信息。然而，一旦用戶輸入的關(guān)鍵字不夠準(zhǔn)確，就會(huì)錯(cuò)過很多有用的信息，這也是搜索引擎的缺陷所在。因此，為了有效利用這些“暗信息”，一門新興的技術(shù)—推薦系統(tǒng)便由此產(chǎn)生了。
　　協(xié)同過濾推薦系統(tǒng)是最早的推薦系

2、統(tǒng)，同時(shí)也是最經(jīng)典的、使用最廣泛的推薦系統(tǒng)。協(xié)同過濾推薦系統(tǒng)不僅能發(fā)現(xiàn)用戶潛在的，但是自己并未發(fā)現(xiàn)的興趣愛好，而且還能推薦藝術(shù)品、音樂和電影等難以進(jìn)行分析內(nèi)容的產(chǎn)品。但同時(shí)，他存在一些難以解決的問題，比如，如何對新用戶進(jìn)行推薦，如何推薦新產(chǎn)品；如何對推薦結(jié)果進(jìn)行有說服力的解釋；推薦產(chǎn)品的分類是否準(zhǔn)確；對商品預(yù)測評分是否準(zhǔn)確等?；趦?nèi)容的推薦系統(tǒng)，可以看做是協(xié)同過濾推薦系統(tǒng)延續(xù)和發(fā)展。它不僅可以解決協(xié)同過濾推薦系統(tǒng)對新用戶和新產(chǎn)品無法進(jìn)行

3、推薦的問題，而且還能更好的對推薦結(jié)果進(jìn)行合理的解釋。但是，它同樣存在分類準(zhǔn)確性問題和預(yù)測評分準(zhǔn)確性的問題。近幾年興起的基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法，以物質(zhì)擴(kuò)散算法最具代表性。物質(zhì)擴(kuò)散系統(tǒng)具有推薦效果好，分類和預(yù)測都比較準(zhǔn)確，實(shí)現(xiàn)相對比較簡單的優(yōu)勢，但是，它卻沒有考慮到用戶評分對推薦效果的影響。
　　本文主要改進(jìn)了物質(zhì)擴(kuò)散推薦算法中初始資源矩陣和資源轉(zhuǎn)移矩陣中的參數(shù)，參考了用戶對商品的評分，作為初始資源矩陣和資源轉(zhuǎn)移矩陣中的調(diào)節(jié)因子。用戶

4、的評分可以直觀的表示出用戶對商品的喜愛程度，加入用戶評分參數(shù)，可以使得算法的分類準(zhǔn)確性和預(yù)測精確性得到進(jìn)一步的提升，推薦的結(jié)果讓用戶更加滿意。利用MovieLens網(wǎng)站上的用戶觀看電影產(chǎn)生的數(shù)據(jù)集對算法進(jìn)行測試，并對比分析了基于用戶的協(xié)同過濾推薦算法、基于商品的協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法和標(biāo)準(zhǔn)的物質(zhì)擴(kuò)散算法與本文改進(jìn)算法的實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法的分類準(zhǔn)確性及預(yù)測準(zhǔn)確性，優(yōu)于現(xiàn)有的推薦算法。此外，本文使用了統(tǒng)計(jì)和大數(shù)據(jù)