輕博客推薦系統(tǒng)及相關(guān)推薦算法研究.pdf

1、近年來(lái)，博客作為網(wǎng)絡(luò)傳播個(gè)人信息和想法的重要載體，發(fā)展極具多樣化，以個(gè)人興趣為聚合點(diǎn)的輕博客是博客的新變體。輕博客作為博客的一種，也面臨著內(nèi)容日益增加泛濫的問(wèn)題，而它的以興趣為聚合點(diǎn)的特點(diǎn)，使得如何提供給用戶感興趣的內(nèi)容更加重要。
　　 推薦作為一種主動(dòng)提供給用戶內(nèi)容的方式，目前已經(jīng)在很多系統(tǒng)中應(yīng)用，相應(yīng)的推薦算法也有多種多樣。本文分析了各種典型個(gè)性化推薦算法的優(yōu)缺點(diǎn)，并根據(jù)輕博客自身特點(diǎn)，選擇了協(xié)同過(guò)濾推薦算法作為輕博客推薦的

2、核心算法。然而，傳統(tǒng)的協(xié)同過(guò)濾推薦算法存在可擴(kuò)展性問(wèn)題、數(shù)據(jù)稀疏問(wèn)題、新用戶問(wèn)題及新項(xiàng)目問(wèn)題。輕博客推薦系統(tǒng)采用了用戶劃分和項(xiàng)目劃分的方法部分解決了新用戶問(wèn)題和新項(xiàng)目問(wèn)題；輕博客推薦系統(tǒng)采用的離線計(jì)算、中間存儲(chǔ)、定時(shí)推薦和緩存的方法解決了可擴(kuò)展性問(wèn)題。
　　 針對(duì)推薦算法中的問(wèn)題，本文進(jìn)行了兩個(gè)方面的改進(jìn)。首先，本文采用了用戶背景信息全面引入用戶.項(xiàng)目評(píng)分矩陣的方法，從而不但解決了矩陣零值的問(wèn)題，而且非零值評(píng)分項(xiàng)目中也引入了用戶

3、背景信息，使得項(xiàng)目的評(píng)分更加科學(xué)。然后，考慮到隨著時(shí)間的推移，用戶對(duì)于項(xiàng)目的興趣度是有變化的，因此引入了用戶興趣度權(quán)值函數(shù)，并且首創(chuàng)性的將用戶興趣度擴(kuò)大到了用戶對(duì)于項(xiàng)目的多種行為上。
　　 接下來(lái)，從項(xiàng)目方面，引入了項(xiàng)目的客觀相似度，并根據(jù)項(xiàng)目在不同項(xiàng)目特征上的特征值進(jìn)行客觀相似度計(jì)算；區(qū)別于一般的從項(xiàng)目方面進(jìn)行改進(jìn)的算法，因?yàn)轫?xiàng)目的客觀相似度并不是去影響計(jì)算相似項(xiàng)目的過(guò)程，而是將其作為預(yù)測(cè)項(xiàng)目評(píng)分的直接影響因子，實(shí)質(zhì)上是將用戶