基于進化計算理論的推薦系統(tǒng)算法的研究.pdf

1、本世紀是信息的時代,信息的獲取、傳輸和存儲技術(shù)都得到了空前的快速發(fā)展,雖然現(xiàn)在人們獲取的信息不管是從速度上還是內(nèi)容上都比以往要上升幾個數(shù)量級,但是這也帶來一些嚴峻的問題。如何從海量的數(shù)據(jù)中快速的獲取自己想要的數(shù)據(jù)也變得異常艱難。為了解決這個問題,推薦系統(tǒng)應(yīng)運而生。對于推薦系統(tǒng)的研究引起了工業(yè)界、商業(yè)界、學術(shù)界的廣泛興趣。
　　本碩士論文對推薦系統(tǒng)做了深入了解與研究,包括推薦系統(tǒng)的概念、分類、存在的普遍問題、常用的評價指標和常用的推

2、薦系統(tǒng)算法特別是協(xié)同過濾推薦算法。由于目前學術(shù)界很少有考慮將推薦系統(tǒng)的推薦過程建模成數(shù)學優(yōu)化問題,并用優(yōu)化的方法去求解該問題,所以本文試圖將優(yōu)化與推薦相結(jié)合,用優(yōu)化的思想去求解推薦問題。經(jīng)過分析與推導(dǎo),本文提出了一種多目標優(yōu)化思路,提出了一種基于進化多目標優(yōu)化的推薦系統(tǒng)算法。該算法同時考慮推薦的精確度和推薦的新穎度,既要保證精確率又要盡可能地推薦新的物品給用戶,算法力求在兩者之間得到一種平衡。
　　該推薦算法一次運行可以得到一組推