基于協(xié)同過(guò)濾和矩陣分解的推薦算法的研究與改進(jìn).pdf

1、在當(dāng)今互聯(lián)網(wǎng)時(shí)代，信息的數(shù)量在不斷呈現(xiàn)幾何式的增長(zhǎng)。用戶已經(jīng)不需要擔(dān)心信息的匱乏，而轉(zhuǎn)向擔(dān)心如何有效獲取信息。搜索引擎作為一支重要力量，極大的提高了用戶在海量數(shù)據(jù)獲取目標(biāo)數(shù)據(jù)的能力。但是搜索引擎需要用戶自行構(gòu)造關(guān)鍵詞，在獲取信息的擴(kuò)展性和新穎性上還有很大的局限。個(gè)性化推薦系統(tǒng)正是瞄準(zhǔn)這一問(wèn)題，利用數(shù)據(jù)挖掘等相關(guān)技術(shù)，分析用戶行為，發(fā)現(xiàn)信息關(guān)聯(lián)，主動(dòng)向用戶推送可能感興趣的內(nèi)容。個(gè)性化推薦技術(shù)目前在電子商務(wù)、社交網(wǎng)站等領(lǐng)域有著非常廣泛的應(yīng)用

2、。
　　 本文深入研究了個(gè)性化推薦領(lǐng)域中常用的兩種方法，即傳統(tǒng)的協(xié)同過(guò)濾方法，以及在最近個(gè)性化推薦領(lǐng)域的大賽中普通采用的SVD矩陣分解方法。以常用的電影推薦為載體，在兩種基本方法的基礎(chǔ)上，深入挖掘數(shù)據(jù)集特點(diǎn)，提出了加入全局偏置和時(shí)間信息的新的預(yù)測(cè)和計(jì)算模型，并嘗試將SVD計(jì)算過(guò)程的中間產(chǎn)物用于傳統(tǒng)的協(xié)同過(guò)濾模型，以提高預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果表明，加入全局偏置和時(shí)間信息后，兩種方法預(yù)測(cè)精度都有一定提升；同時(shí)，利用SVD方法能夠發(fā)現(xiàn)隱含