基于協(xié)同過濾的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、當(dāng)前互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展給廣大用戶帶來了大量的信息，滿足了用戶了解世界的需求。但是，各種鋪天蓋地的信息使得用戶越來越難檢索出自己感興趣的信息，出現(xiàn)了所謂的“信息超載”現(xiàn)象。個(gè)性化推薦技術(shù)是解決該問題的有效途徑，它通過分析用戶的檢索信息操作建立用戶興趣模型，主動(dòng)向用戶推薦其可能感興趣的信息，而無需用戶主動(dòng)提供任何輸入。在推薦技術(shù)的研究領(lǐng)域中，協(xié)同過濾算法是當(dāng)前最為成熟、應(yīng)用最為廣泛的一種技術(shù)。本文針對(duì)協(xié)同過濾算法展開了深入細(xì)致的分析和探討

2、，設(shè)計(jì)了一種混合協(xié)同過濾算法，并基于此算法搭建了一個(gè)電影推薦系統(tǒng)，為用戶推送其感興趣的影片。
　　本文主要完成的工作:首先分析研究基于用戶、基于項(xiàng)目和Slope One這三種協(xié)同過濾算法。通過比較研究發(fā)現(xiàn)，Slope One算法不僅易于實(shí)現(xiàn)、效率高，且具有推薦結(jié)果準(zhǔn)確度較高的特點(diǎn)。但是，Slope One算法的不足之處是不能很好的處理不同用戶的個(gè)性化推薦。為了解決該問題，本文提出了一種將用戶相似性和SlopeOne算法相結(jié)合的協(xié)同

3、過濾算法。該算法的核心思想是定義用戶相似模型，計(jì)算出用戶間的相似系數(shù)，將用戶間平均相似性作為Slope One算法的權(quán)值計(jì)算預(yù)測(cè)評(píng)分，最后根據(jù)預(yù)測(cè)所得評(píng)分值為用戶給出推薦。同時(shí)在查找近鄰用戶時(shí)本文設(shè)計(jì)了一種動(dòng)態(tài)閾值的查找方法。為了解決海量數(shù)據(jù)時(shí)計(jì)算復(fù)雜度的問題，本文基于分布式框架提出將該混合協(xié)同過濾算法并行化的方案。通過理論分析和在標(biāo)準(zhǔn)的MovieLens數(shù)據(jù)集的實(shí)驗(yàn)可以看出，本文設(shè)計(jì)的混合協(xié)同過濾算法可以有效提高個(gè)性化推薦系統(tǒng)的推薦準(zhǔn)