基于用戶興趣子類的協(xié)作過濾研究.pdf

1、隨著電子商務(wù)規(guī)模的進(jìn)一步擴(kuò)大，用戶數(shù)目和文檔資源急劇增加，導(dǎo)致用戶數(shù)據(jù)的極端稀疏性和系統(tǒng)擴(kuò)展性問題。傳統(tǒng)協(xié)作推薦算法都無法完全解決這些問題，針對Web個(gè)性化信息推薦(Web Personalized Information Recommendation：WPIR)面臨的主要挑戰(zhàn)，本文以用戶興趣子類為線索，以基于用戶興趣子類的協(xié)作推薦算法實(shí)現(xiàn)為目標(biāo)，對WPIR系統(tǒng)的設(shè)計(jì)及關(guān)鍵技術(shù)進(jìn)行了有益的探索和研究。論文所做的工作主要有以下幾個(gè)方面：

2、 ①提出了將用戶興趣描述細(xì)分為多個(gè)興趣子類的思想，給出了基于用戶興趣子類的協(xié)作推薦系統(tǒng)框架，并對其主要組成部分的作用及完整的信息推薦過程進(jìn)行了較為詳細(xì)的描述。 ②針對用戶興趣描述問題，給出了一種基于興趣子類的用戶興趣表示模型，有利于對用戶興趣描述向量降維、發(fā)現(xiàn)最近鄰和提高推薦效果。然后，研究給出了一種基于ICT（Interests Category Tree）的用戶興趣分類方法，用于用戶興趣描述文件的自動生成。進(jìn)而，通過對

3、Rocchio反饋算法改進(jìn)，提出了基于VSM相關(guān)反饋的詞條權(quán)重調(diào)整算法，用于用戶興趣描述文件的自動更新。 ③研究給出了基于用戶興趣子類的協(xié)作推薦算法。通過子類處理思想的引入，使得某兩個(gè)用戶即使整體不相似卻因?yàn)椤熬植奎c(diǎn)”相似，從而使“最近鄰居”的發(fā)現(xiàn)變得更容易、更準(zhǔn)確。該算法能夠較好地解決數(shù)據(jù)的極端稀疏性問題，有利于更好地發(fā)現(xiàn)新信息。 ④此外，我們還對網(wǎng)頁特征詞權(quán)重計(jì)算方法從詞位置和語義兩個(gè)方面進(jìn)行了改進(jìn)，以便更準(zhǔn)確地描述

4、用戶興趣子類（3.4節(jié)）；通過將數(shù)目巨大的文檔分類，實(shí)現(xiàn)了對傳統(tǒng)的用戶-項(xiàng)矩陣降維，有利于系統(tǒng)擴(kuò)展性問題的解決（5.2節(jié)）。 ⑤最后，通過與傳統(tǒng)基于用戶的協(xié)作推薦算法進(jìn)行多個(gè)角度比較，對新的用戶興趣表示模型及相應(yīng)的協(xié)作推薦算法進(jìn)行了有效性驗(yàn)證。實(shí)驗(yàn)表明，本算法能夠較為有效地解決數(shù)據(jù)極端稀疏性問題和擴(kuò)展性問題。在同等條件下，相對于傳統(tǒng)面向用戶的協(xié)同過濾推薦算法[8]有更好的推薦效果。 該論文研究提出的基于興趣子類的用戶興趣