一種基于混合用戶興趣模型的個性化推薦系統(tǒng).pdf

1、隨著Internet的迅速發(fā)展，各種信息以指數(shù)級的速度增長，類型也越來越多。如何有效地解決信息過載和信息迷失帶來的種種問題，如何滿足各種用戶不同的個性化需求等，是研究人員面臨的新課題，個性化服務已經(jīng)成為當前信息服務領域的研究熱點之一。用戶興趣建模技術作為個性化服務的核心問題，主要是研究如何有效地組織用戶的興趣源，用戶興趣的表示、更新以及存儲等。本文提出了一種基于混合用戶興趣模型的個性化推薦系統(tǒng)，實驗驗證該系統(tǒng)能為用戶提供更為精確有效的個

2、性化推薦。本文的研究內(nèi)容及成果如下： ①在分析傳統(tǒng)用戶興趣模型的基礎上，提出了一種將用戶瀏覽內(nèi)容和行為相結(jié)合的混合用戶興趣模型，將其形式化地描述為一個二元組UP=(I，C)。特征詞權(quán)重向量I用于描述用戶瀏覽內(nèi)容特征，而行為影響因子C用于描述用戶瀏覽行為特征，區(qū)分用戶對不同類別特征詞的關注程度，突出用戶感興趣類別的特征詞。該模型能夠有效克服傳統(tǒng)基于內(nèi)容的個性化描述模型不能刻畫用戶行為特征的不足。 ②精心設計了專用于用戶興趣

3、文件獲取與更新的雙重遺傳算法(Dual Gas)。它包括兩次遺傳進化過程：第一次遺傳進化過程(FGA)能夠發(fā)現(xiàn)并調(diào)整特征詞權(quán)重向量I；第二次遺傳進化過程(SGA)根據(jù)用戶興趣度(UIL)自動調(diào)整行為影響因子C。 ③給出了基于混合用戶興趣模型的個性化服務系統(tǒng)框架及推薦方法。在分析了傳統(tǒng)基于內(nèi)容的個性化推薦的不足后，提出了基于混合用戶興趣模型的個性化服務系統(tǒng)框架，并給出了基于混合用戶興趣模型UP=(I，C)的個性化推薦方法，新方法能

4、夠為用戶提供更為精確有效的個性化推薦。 ④在實驗數(shù)據(jù)預處理研究中，實現(xiàn)了自動抽取特征項并建立特征詞詞典的方法；給出了一種高維向量空間模型降維方法(R-VSMD)，可為系統(tǒng)節(jié)約存儲空間和提高程序的運行效率，具有較好的應用參考價值。 ⑤采用國際知名網(wǎng)站的標準分類頁面作為測試集，針對本文提出的混合用戶興趣模型和采用傳統(tǒng)經(jīng)典遺傳算法構(gòu)建的用戶興趣模型做了較為充分的個性化推薦比較實驗。實驗結(jié)果表明，文中的方法能夠更為準確的描述用戶