基于信息擴(kuò)展的推薦系統(tǒng).pdf

1、隨著信息過載問題的日益突出，個性化系統(tǒng)受到了越來越多的關(guān)注。在個性化系統(tǒng)中，用戶不需要主動提供自己的瀏覽意圖，而是系統(tǒng)根據(jù)用戶的歷史行為，對其當(dāng)前瀏覽行為做出預(yù)測。但是，相對于海量的信息飛速增長，僅僅依靠用戶的歷史記錄對用戶的興趣進(jìn)行判斷，準(zhǔn)確率較低。在對用戶進(jìn)行向量表示的時候，用戶的特征向量會極度稀疏，直接導(dǎo)致了推薦結(jié)果準(zhǔn)確率不高。因此，提高推薦的準(zhǔn)確程度以及解決數(shù)據(jù)稀疏性問題已經(jīng)成為個性化系統(tǒng)發(fā)展的必然要求。
　　 針對現(xiàn)有

2、推薦方法存在的數(shù)據(jù)準(zhǔn)確率較低和數(shù)據(jù)稀疏性問題，本文分別采取了添加用戶信息，以及在用戶信息的基礎(chǔ)上進(jìn)行最近鄰居計(jì)算，然后根據(jù)最近鄰居對數(shù)據(jù)進(jìn)行平滑的方法。
　　 首先，本文描述了個性化系統(tǒng)的研究背景和意義，歸納和總結(jié)了有關(guān)個性化技術(shù)的相關(guān)研究，系統(tǒng)、詳細(xì)的介紹了國內(nèi)外推薦系統(tǒng)的研究現(xiàn)狀。對于現(xiàn)有技術(shù)，本文從基于內(nèi)容推薦和基于協(xié)同推薦兩個方面入手，梳理了內(nèi)容推薦和協(xié)同推薦的常用方法，并評價了各種方法的優(yōu)缺點(diǎn)。
　　 接下來，

3、基于擴(kuò)展的推薦方法，本文將用戶的信息進(jìn)行離散化處理，提高了推薦的準(zhǔn)確率。在離散化處理的基礎(chǔ)上，本文將用戶信息與用戶的評分矩陣結(jié)合，并將矩陣轉(zhuǎn)化成0、1矩陣，在此基礎(chǔ)上繼續(xù)進(jìn)行SVD分解，然后進(jìn)行推薦。這樣做的好處是，加入了用戶的信息，拓展了推薦的信息來源，改進(jìn)了單純依靠評分?jǐn)?shù)據(jù)的推薦方法。
　　 最后，為了降低數(shù)據(jù)稀疏的影響，在對用戶信息數(shù)據(jù)融合的基礎(chǔ)上進(jìn)行用戶聚類，并對用戶進(jìn)行最近鄰居計(jì)算和數(shù)據(jù)平滑。針對用戶擴(kuò)展數(shù)據(jù)是O、1的