基于組合算法的個(gè)性化推薦系統(tǒng)的研究和應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)時(shí)代的到來(lái),互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展逐漸打破了人們傳統(tǒng)的信息資源運(yùn)轉(zhuǎn)模式。網(wǎng)絡(luò)信息發(fā)布簡(jiǎn)便、快速、高效,使得信息資源的總量往往呈現(xiàn)爆炸式的增長(zhǎng),當(dāng)用戶瀏覽信息時(shí)往往會(huì)淹沒在信息海洋中而找不到有價(jià)值的信息,出現(xiàn)信息過(guò)載現(xiàn)象。在這種背景下,個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生,然而當(dāng)前的個(gè)性化推薦系統(tǒng)存在推薦策略單一、推薦自動(dòng)化低、缺乏個(gè)性化等問題。因此如何設(shè)計(jì)有效的個(gè)性化推薦系統(tǒng)成為當(dāng)前個(gè)性化推薦領(lǐng)域的研究熱點(diǎn),本文圍繞如何提高用戶對(duì)推薦滿意度的問

2、題進(jìn)行深入研究,主要工作有:
　　 1)針對(duì)目前主流推薦算法普遍存在的稀疏性、冷啟動(dòng)和準(zhǔn)確性的問題,提出了一種基于內(nèi)容和場(chǎng)景概率的組合推薦算法。首先,通過(guò)引入用戶點(diǎn)擊記錄改進(jìn)Slope one算法的冷啟動(dòng)問題;其次,引入場(chǎng)景概率來(lái)計(jì)算相似度,實(shí)時(shí)增量更新相似度矩陣;最后,通過(guò)引入內(nèi)容信息,結(jié)合基于內(nèi)容和基于評(píng)價(jià)矩陣的項(xiàng)目相似度計(jì)算,提升矩陣較稀疏時(shí)候的推薦效率;結(jié)果表明,該組合算法能夠較好地解決稀疏性問題,實(shí)時(shí)反映用戶興趣變化。

3、
　　 2)提出了適用于個(gè)性化推薦系統(tǒng)的用戶興趣模型和數(shù)據(jù)項(xiàng)模型。用戶興趣模型基于人腦記憶規(guī)律建立,用量化性的基于記憶力規(guī)律的用戶模型模擬用戶興趣的變化過(guò)程,并且用量的方式把用戶的興趣表示出來(lái)。數(shù)據(jù)項(xiàng)建模是指將一個(gè)數(shù)據(jù)項(xiàng)轉(zhuǎn)化為系統(tǒng)內(nèi)部表示的過(guò)程,如直接將項(xiàng)目數(shù)據(jù)項(xiàng)表示為分詞得到的向量,由此產(chǎn)生數(shù)據(jù)項(xiàng)相似度比較的時(shí)間代價(jià)很高而且可能丟失部分有用信息;本文利用FLD算法對(duì)項(xiàng)目特征空間進(jìn)行降維,用產(chǎn)生的結(jié)果建立項(xiàng)目主題模型,較好的解決