動(dòng)態(tài)推薦系統(tǒng)中的協(xié)同過(guò)濾算法研究.pdf

1、動(dòng)態(tài)推薦系統(tǒng)中的協(xié)同過(guò)濾算法研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：白培發(fā)指導(dǎo)教師：王成良教授專業(yè)：計(jì)算機(jī)軟件與理論學(xué)科門類：工學(xué)重慶大學(xué)計(jì)算機(jī)學(xué)院二O一三年五月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要隨著互聯(lián)網(wǎng)和信息技術(shù)的高速發(fā)展，互聯(lián)網(wǎng)上的信息急劇膨脹，造成了信息過(guò)載問(wèn)題，導(dǎo)致用戶很難從海量信息中獲取自己所需要的信息。如何快速有效地幫助用戶找到所需的信息、解決信息過(guò)載問(wèn)題引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。在這種驅(qū)動(dòng)下，推薦系統(tǒng)應(yīng)運(yùn)而生

2、。推薦系統(tǒng)是一種智能化、個(gè)性化的信息服務(wù)系統(tǒng)，是處理信息過(guò)載的有效工具。推薦系統(tǒng)研究的一個(gè)核心是推薦算法的研究。協(xié)同過(guò)濾算法作為目前應(yīng)用最成功的推薦算法之一，成為推薦系統(tǒng)領(lǐng)域的一個(gè)研究重點(diǎn)，在該算法基礎(chǔ)上衍生出了許多優(yōu)秀的改進(jìn)算法。但早期對(duì)協(xié)同過(guò)濾算法的研究大多是在基于系統(tǒng)的靜態(tài)模式下進(jìn)行，忽略了實(shí)際系統(tǒng)的動(dòng)態(tài)性，導(dǎo)致實(shí)際應(yīng)用中推薦系統(tǒng)的推薦質(zhì)量隨時(shí)間的推移逐漸下降。本文在研究已有協(xié)同過(guò)濾算法及其各種改進(jìn)算法的基礎(chǔ)上，對(duì)動(dòng)態(tài)推薦系統(tǒng)中的

3、協(xié)同過(guò)濾算法進(jìn)行研究，其主要研究?jī)?nèi)容有：①傳統(tǒng)的基于項(xiàng)目的協(xié)同過(guò)濾算法忽略用戶類別信息，只用單一全局的相似度來(lái)衡量項(xiàng)目間的相似性，這可能導(dǎo)致計(jì)算出來(lái)的相似度很高的項(xiàng)目對(duì)于目標(biāo)用戶來(lái)說(shuō)與目標(biāo)項(xiàng)目并不相似。針對(duì)這個(gè)問(wèn)題，本文提出了多相似度的基于項(xiàng)目的協(xié)同過(guò)濾算法。該算法將每?jī)蓚€(gè)項(xiàng)目在每個(gè)用戶類別中都建立一個(gè)獨(dú)立的相似度，再將目標(biāo)項(xiàng)目在目標(biāo)用戶所屬的每個(gè)用戶類別中的預(yù)測(cè)評(píng)分進(jìn)行加權(quán)得到最終的預(yù)測(cè)評(píng)分。②實(shí)際的推薦系統(tǒng)是動(dòng)態(tài)變化的，用戶興趣會(huì)隨

4、著時(shí)間發(fā)生變化。為了能及時(shí)準(zhǔn)確地捕捉用戶興趣的變化，本文將時(shí)間信息引入到協(xié)同過(guò)濾算法中，同時(shí)考慮到了用戶評(píng)分頻率對(duì)用戶興趣變化的影響，提出了一種時(shí)間和評(píng)分頻率加權(quán)的協(xié)同過(guò)濾算法。最后將多相似度的基于項(xiàng)目的協(xié)同過(guò)濾算法與時(shí)間和評(píng)分頻率加權(quán)的協(xié)同過(guò)濾算法相結(jié)合，提出了多相似度的時(shí)間和評(píng)分頻率加權(quán)的協(xié)同過(guò)濾算法。③本文采用MovieLens站點(diǎn)提供的數(shù)據(jù)集，通過(guò)實(shí)驗(yàn)對(duì)本文提出的協(xié)同過(guò)濾算法進(jìn)行評(píng)估，驗(yàn)證其合理性和有效性。實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)