基于用戶的個(gè)性化影視推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，每天都有浩如煙海的信息產(chǎn)生，面對數(shù)據(jù)量龐大的信息海洋，人們往往會感到無所適從，因此，推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)的目的是主動向用戶提供其感興趣的物品或資源而無需用戶主動搜尋。經(jīng)過20多年的發(fā)展，推薦系統(tǒng)已經(jīng)深入到了人們生活的方方面面，如電子商務(wù)，新聞推薦，影視推薦等。其中影視推薦是推薦系統(tǒng)技術(shù)研究的重要領(lǐng)域?，F(xiàn)有的影視推薦主要是熱門推薦和相關(guān)推薦，熱門推薦容易導(dǎo)致馬太效應(yīng)，而相關(guān)推薦在一定程度上符合用戶喜好，但是個(gè)性

2、化程度較低，不同用戶在同一個(gè)播放頁上看到的推薦列表往往是相同的。
　　協(xié)作過濾算法是推薦領(lǐng)域中最成功也是應(yīng)用最廣泛的推薦策略，常用于個(gè)性化推薦。本文在基于用戶的協(xié)作過濾策略的基礎(chǔ)上進(jìn)行改進(jìn)。用戶評分的高低表達(dá)了對電影的喜好程度，而用戶的標(biāo)注行為表達(dá)了用戶的喜好傾向，兩者結(jié)合可以有效提升推薦結(jié)果的個(gè)性化程度。本文首先在用戶行為數(shù)據(jù)建模階段對用戶的行為數(shù)據(jù)進(jìn)行分析，將用戶的評分行為和標(biāo)注行為結(jié)合起來建立了初始的用戶行為數(shù)據(jù)模型。同時(shí)，

3、考慮到用戶喜好并不是一成不變，參考“牛頓冷卻定律”引入了時(shí)間衰減因子模擬整個(gè)時(shí)間軸上的用戶喜好變化，對用戶行為數(shù)據(jù)模型進(jìn)行偏移處理。之后使用該模型進(jìn)行用戶之間的類似程度計(jì)算，獲得推薦的電影資源候選池。
　　在電影資源的評分預(yù)測階段，考慮到標(biāo)簽在一定程度上也反映了電影資源的內(nèi)容特征信息，參考信息挖掘領(lǐng)域“詞頻-逆文檔頻率”的思想建立電影資源和標(biāo)簽之間的聯(lián)系并對侯選池中的電影資源進(jìn)行評分預(yù)測的改進(jìn)。
　　然后對本文做出的改進(jìn)設(shè)計(jì)

4、了對比實(shí)驗(yàn)驗(yàn)證其有效性，選取了 Top-N推薦中常用的評價(jià)標(biāo)準(zhǔn)命中率（Hit-rate）和命中排序（Hit-rank）作為衡量指標(biāo)進(jìn)行相關(guān)實(shí)驗(yàn)，驗(yàn)證了在推薦同等數(shù)量電影資源的情況下，改進(jìn)后的算法Hit-rate和Hit-rank都要高于現(xiàn)有的協(xié)作過濾算法。
　　本文在最后以前文提出的改進(jìn)的推薦算法為基礎(chǔ)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)影視推薦系統(tǒng)，首先分析了系統(tǒng)的需求，然后根據(jù)需求進(jìn)行相關(guān)設(shè)計(jì)，并用SS2H框架實(shí)現(xiàn)了該系統(tǒng)，并給出了系統(tǒng)主要的數(shù)據(jù)