推薦算法應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，在面臨“信息過載”情況下推薦系統(tǒng)扮演著越來越重要的角色。協(xié)同過濾是應(yīng)用最廣泛的一種推薦算法。實(shí)際情況下，用戶進(jìn)行評(píng)分可以看作是一種決策行為，而用戶和物品的特征很大程度上會(huì)影響用戶的決策。在推薦系統(tǒng)中結(jié)合這些特征能夠提高推薦的準(zhǔn)確度，從而增強(qiáng)用戶滿意度。用戶評(píng)分矩陣包含大量的缺失值，推薦算法可以看成一個(gè)對(duì)其中的缺失值進(jìn)行填充的過程。傳統(tǒng)的協(xié)同過濾算法根據(jù)用戶評(píng)分矩陣中已填的值，計(jì)算用戶（物品）之間的相似度，根據(jù)最相似

2、的K個(gè)用戶（物品）的評(píng)分值來填充缺失值。本文將物品的情感特征（如正面/負(fù)面情感信息等）引入到推薦算法中，所研究的數(shù)據(jù)中，除了用戶-物品評(píng)分矩陣，還包含物品-情感關(guān)聯(lián)矩陣。本文的主要工作如下:
　　1.提出利用用戶對(duì)包含特定情感的物品的評(píng)分的信息熵來度量不同的情感特征對(duì)于用戶的重要程度，得到基于情感特征的預(yù)測(cè)算法，最后以預(yù)測(cè)評(píng)分融合的方法與傳統(tǒng)的協(xié)同過濾算法融合。該算法比協(xié)同過濾算法有一定的提高。
　　2.研究了基于情感特征的

3、物品相似度，通過考慮不同情感對(duì)于物品的貢獻(xiàn)度，得到改進(jìn)的基于加權(quán)情感特征的物品相似度。將改進(jìn)的基于加權(quán)情感特征的物品相似度作為參數(shù)融入到基于矩陣分解的協(xié)同過濾算法中，實(shí)驗(yàn)表明該算法準(zhǔn)確度上有較大的提高。
　　3.根據(jù)用戶情感評(píng)分以及情感對(duì)于用戶的重要程度，提出基于情感特征的用戶相似度，在2）的基礎(chǔ)上將此相似度作為參數(shù)融入，最后實(shí)驗(yàn)效果在2）的基礎(chǔ)上有進(jìn)一步的提高。這說明本文提出的改進(jìn)的基于加權(quán)情感特征的物品相似度和基于情感特征的用