個性化推薦系統(tǒng)技術與應用.pdf

1、隨著互聯(lián)網技術的應用普及、現(xiàn)代電子商務的迅猛發(fā)展，充斥在網絡上的資源數量呈指數增長的趨勢。海量的信息同時呈現(xiàn)在用戶面前，從而出現(xiàn)了所謂的“信息爆炸”和“信息過載”現(xiàn)象。個性化推薦系統(tǒng)在這樣的背景下應運而生。在過去的二十年里，個性化推薦技術得到了長足的發(fā)展，已經成為當前解決信息過載最有效的工具之一。然而就目前而言，個性化推薦技術和系統(tǒng)的研究還停留在初步階段，遠沒有達到完善的地步，仍然存在很多問題亟待解決。
　　 本文根據推薦算法的

2、不同，分別介紹了基于規(guī)則的推薦系統(tǒng)、基于內容的推薦系統(tǒng)、基于協(xié)同過濾的推薦系統(tǒng)以及混合推薦系統(tǒng)。在此基礎上，本文簡要地分析了傳統(tǒng)的基于用戶的協(xié)同過濾技術和傳統(tǒng)的基于關聯(lián)規(guī)則的推薦技術各自存在的一些缺陷，并分別提出了相關的解決方案。本文的主要研究內容如下：
　　 (1)簡要回顧了推薦系統(tǒng)產生的背景、研究現(xiàn)狀以及相關的幾種常見推薦算法；
　　 (2)簡要分析了傳統(tǒng)的基于用戶的協(xié)同過濾算法所存在數據稀疏性問題和冷啟動問題，并針

3、對該問題提出一種基于用戶興趣傳播的協(xié)同過濾算法(UserInterests Transmission，UIT)，該算法在用戶興趣維度上計算用戶之間的相似性，同時考慮了興趣在不同用戶間的傳播。在數據比較稀疏的情況下，UIT算法通過用戶興趣的傳播使計算得到的用戶相似性結果更加準確，在一定程度上緩解了數據高維度和稀疏性問題。
　　 (3)針對傳統(tǒng)的基于關聯(lián)規(guī)則的推薦系統(tǒng)不考慮用戶社會性所帶來的一些問題，本文提出并設計了一個基于共性群