推薦算法研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)信息的發(fā)展，人們對(duì)信息資源的依賴程度越來(lái)越大，面對(duì)互聯(lián)網(wǎng)上的信息如此增長(zhǎng)的今天，用戶如何在這么多信息中找出自己需要的信息是一個(gè)值得關(guān)注的問(wèn)題。已經(jīng)有很多計(jì)算機(jī)科學(xué)家和計(jì)算機(jī)工程師提出了很多有效的解決方案，以此來(lái)解決信息過(guò)載的問(wèn)題，其中最具有代表性的解決方案就是推薦系統(tǒng)。
　　網(wǎng)站一般會(huì)提供排行榜來(lái)向用戶推薦物品，使得用戶可以很方便地尋找到所需要的熱門(mén)物品，而對(duì)于用戶對(duì)非熱門(mén)（即長(zhǎng)尾）物品的需求，卻不是一個(gè)排行榜可以滿足的

2、，推薦系統(tǒng)正是為了可以更好地挖掘非熱門(mén)而推出的。推薦系統(tǒng)通過(guò)向每一個(gè)用戶提供與之對(duì)應(yīng)的推薦列表，使用戶可以獲得自己感興趣的物品，這些物品不僅包括熱門(mén)物品還包括了長(zhǎng)尾物品。為了給用戶提供準(zhǔn)確的推薦列表，需要充分研究用戶的興趣。
　　推薦算法作為個(gè)性化推薦系統(tǒng)的核心，比較常用的包括基于內(nèi)容的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法以及協(xié)同過(guò)濾推薦算法。協(xié)同過(guò)濾算法作為現(xiàn)在學(xué)術(shù)界和工業(yè)界應(yīng)用最為廣泛的推薦算法，一直被人們持續(xù)研究。
　　為

3、了解決協(xié)同過(guò)濾存在的問(wèn)題，本文做了一些研究工作。首先，針對(duì)時(shí)間效應(yīng)對(duì)推薦效果產(chǎn)生的影響，本文提出了融合時(shí)間信息的協(xié)同過(guò)濾算法T-UserCF來(lái)進(jìn)一步提高協(xié)同過(guò)濾算法的準(zhǔn)確性，并設(shè)計(jì)了算法性能測(cè)試實(shí)驗(yàn)來(lái)驗(yàn)證T-UserCF算法的有效性。其次，為了解決協(xié)同過(guò)濾的可擴(kuò)展性問(wèn)題，本文提出了一種增量式的協(xié)同過(guò)濾算法I-UserCF，以保證在不損失信息的情況下有效地降低推薦算法的運(yùn)算量，減少時(shí)間開(kāi)銷，也設(shè)計(jì)了算法性能測(cè)試實(shí)驗(yàn)來(lái)驗(yàn)證I-UserCF算