基于分類的推薦系統(tǒng)優(yōu)化方法研究.pdf

1、協(xié)同過濾和潛在因子模型是推薦系統(tǒng)中應(yīng)用最成功的技術(shù)，它可以給用戶建模，并向用戶推薦其感興趣的物品。然而數(shù)據(jù)稀疏問題和冷啟動(dòng)問題在現(xiàn)實(shí)場景中經(jīng)常出現(xiàn)，潛在因子模型在這些場景中推薦效果很差。雖然研究人員提出社會(huì)化推薦模型把用戶的社交網(wǎng)絡(luò)信息引入到協(xié)同過濾模型中，在用戶冷啟動(dòng)問題上有一定的作用，但是無法解決物品的冷啟動(dòng)問題。
　　為解決推薦系統(tǒng)中的物品冷啟動(dòng)問題，提出了基于分類的推薦模型。物品的分類是人們對于物品公認(rèn)的標(biāo)簽信息，它可以用

2、來緩解推薦系統(tǒng)中物品的冷啟動(dòng)問題。針對基于協(xié)同過濾的矩陣分解，提出基于分類的矩陣分解模型，該模型把物品分類信息整合到矩陣分解模型中。通過構(gòu)造用戶對分類的評分矩陣，在預(yù)測對物品評分時(shí)把用戶對物品所屬分類的評分作為線性加權(quán)的一部分。在社會(huì)化推薦中，提出了基于分類的社會(huì)化推薦模型，該模型把分類信息、用戶的社交網(wǎng)絡(luò)信息融入?yún)f(xié)同過濾中。在預(yù)測用戶對物品的評分時(shí)，把用戶自身對物品的評分、用戶好友對物品的評分和用戶對分類的評分進(jìn)行線性加權(quán)。