基于加權(quán)關(guān)聯(lián)規(guī)則和瀏覽行為的個(gè)性化推薦.pdf

1、隨著信息高速公路的發(fā)展和普及，人們被包圍在信息的汪洋大海之中。因特網(wǎng)上的信息資源呈指數(shù)膨脹，是海量的信息源，其信息組織具有異構(gòu)的、多元的、分布的等多種特性。因而，能為用戶提供有效信息推薦、幫助用戶找到所需的有價(jià)值信息的個(gè)性化推薦系統(tǒng)在Web信息檢索領(lǐng)域獲得了廣泛關(guān)注，并且在實(shí)際的個(gè)性化服務(wù)系統(tǒng)中也得到了廣泛應(yīng)用。但是，隨著個(gè)性化服務(wù)系統(tǒng)規(guī)模越來越大，個(gè)性化推薦系統(tǒng)也面臨著一系列挑戰(zhàn)。如：有效推薦算法的設(shè)計(jì)問題，實(shí)時(shí)性與推薦質(zhì)量間的平衡問

2、題，推薦系統(tǒng)的體系結(jié)構(gòu)問題，推薦結(jié)果解釋問題等。本文針對個(gè)性化推薦系統(tǒng)中的推薦算法設(shè)計(jì)和推薦系統(tǒng)體系結(jié)構(gòu)等關(guān)鍵技術(shù)，進(jìn)行了較為深入和有益的探索與研究。 首先，我們對個(gè)性化服務(wù)推薦系統(tǒng)體系結(jié)構(gòu)做了一定的研究，提出了一種能區(qū)分用戶長期興趣和近期興趣提供信息推薦的新的個(gè)性化推薦模型。然后，對推薦系統(tǒng)的實(shí)時(shí)性與推薦質(zhì)量之間的平衡做了有益的探索，不僅提出了通過捕獲用戶的瀏覽行為、及時(shí)獲取用戶的近期興趣、形成用戶近期興趣視圖,并為用戶提供及

3、時(shí)有效的近期興趣信息推薦的個(gè)性化推薦方法；而且提出了一種通過離線加權(quán)關(guān)聯(lián)規(guī)則發(fā)掘項(xiàng)目間的關(guān)聯(lián)以獲得用戶長期關(guān)注項(xiàng)目、從而為用戶提供準(zhǔn)確有效的用戶長期關(guān)注項(xiàng)目信息推薦的新的個(gè)性化推薦方法。在為用戶提供近期感興趣信息推薦時(shí)，因?yàn)橛脩粼跒g覽網(wǎng)頁時(shí)的行為能從某種程度反應(yīng)用戶的瀏覽興趣，所以我們首先對用戶瀏覽行為進(jìn)行捕獲，并采用多元回歸方法計(jì)算用戶瀏覽行為與網(wǎng)頁興趣度之間的定量關(guān)系將網(wǎng)頁興趣度與網(wǎng)頁分類樹（WPCT）結(jié)合生成用戶近期興趣視圖(CI

4、V)，并利用該近期興趣視圖為用戶提供基于內(nèi)容的協(xié)作過濾個(gè)性化信息推薦服務(wù)。在為用戶提供長期關(guān)注項(xiàng)目的信息推薦時(shí)，我們首先采用一種新的加權(quán)關(guān)聯(lián)規(guī)則算法來發(fā)掘項(xiàng)目間的關(guān)聯(lián)，然后引入選擇關(guān)注度，將其與關(guān)聯(lián)規(guī)則的置信度相結(jié)合得到推薦度。進(jìn)而利用推薦度的大小為用戶進(jìn)行長期興趣的個(gè)性化推薦服務(wù)。 最后，我們對論文提出的改進(jìn)方法做了較為全面的模擬實(shí)驗(yàn)。分析表明，文中的方法能有效地提高信息推薦的質(zhì)量和推薦的實(shí)時(shí)性，而且算法編程容易實(shí)現(xiàn)。論文研究