基于可視化的個性化推薦.pdf

1、隨著Internet的迅猛發(fā)展，信息呈現(xiàn)了爆炸式的增長，這種現(xiàn)象必然會造成信息過載，使得人們更迫切的希望從海量信息中找到自己感興趣的內(nèi)容。信息檢索在一定程度上解決了人們檢索信息的需求，但是傳統(tǒng)的信息檢索技術沒能考慮用戶的個性化需求，使得返回所有用戶的結果不僅都是相同的，而且返回給的結果內(nèi)容過多，使得用戶無法真正找到自己需要的信息。所以，如何根據(jù)每個用戶自身特點，有效的幫助每個用戶從海量信息中快速準確找到自己感興趣的信息，已成為一個亟需解

2、決的難題?；趥€性化的推薦技術正是為了解決這個難題而被提出。
　　 個性化推薦算法的測評通常都是針對單一數(shù)據(jù)集，沒能充分考慮算法的效果可能會受到不同數(shù)據(jù)集特征影響的情況，針對這一問題，將協(xié)同過濾算法中主要的5種：User-based、Item-based、Item average、Item user average和Slope One不同的算法應用到不同類型的數(shù)據(jù)集上，最后得出哪種算法應用到哪種類型的數(shù)據(jù)集得到效果會更好。

3、>　　 個性化推薦算法通常只是自動化執(zhí)行的過程，用戶沒能真正的參與到推薦的過程之中，使得算法得到的結果可能不是用戶真正想要的，因此對于一個設計良好的個性化推薦系統(tǒng)來說，一個人機交互性的推薦過程是至關重要的。為此，針對力導向布局算法無法表示帶權值關系圖的問題，提出一種能夠有效反映出節(jié)點之間的關系強弱的布局算法：帶權值的力導向布局算法。最后，提出一種衡量帶權值的關系圖布局質量的評價標準，并通過試驗證明了該帶權值的力導向布局算法在布局質量和