多元異構(gòu)環(huán)境下個性化推薦方法研究.pdf

1、隨著Web2.0技術(shù)的迅速發(fā)展產(chǎn)生了大量信息，但是海量的數(shù)據(jù)使得人們無法在網(wǎng)絡(luò)上快速發(fā)現(xiàn)他感興趣的信息，而個性化推薦系統(tǒng)能夠讓用戶快速找到其需要或感興趣的內(nèi)容。協(xié)同過濾算法是應(yīng)用最成功的個性化推薦算法之一，它利用用戶對物品的評分信息，但是對于剛進入系統(tǒng)缺乏足夠評分信息的新用戶和新物品就造成了協(xié)同過濾算法無法提供準確推薦的問題。本文除了使用評分信息，還把大量的社會網(wǎng)絡(luò)、標簽和時間等信息應(yīng)用于推薦算法中，提出了兩個算法。主要包括以下工作:<

2、br>　　(1)本文提出基于貝葉斯網(wǎng)絡(luò)的協(xié)同過濾推薦算法，該算法是一種基于友鄰網(wǎng)絡(luò)劃分和貝葉斯網(wǎng)絡(luò)，首先對友鄰網(wǎng)絡(luò)進行劃分，然后通過用戶標簽信息和網(wǎng)絡(luò)劃分結(jié)果給用戶得到感興趣的標簽，最后基于貝葉斯網(wǎng)絡(luò)得到用戶對項目的偏好度進行推薦。
　　(2)本文考慮到用戶的興趣特征隨時間變化，利用用戶標注標簽的時間信息對標簽頻率進行時間加權(quán)。因為用戶最近使用的標簽相對于用戶早期標注的標簽更能體現(xiàn)用戶的興趣，所以本文在基于艾賓浩斯遺忘曲線擬合得到

3、的加權(quán)函數(shù)用于標簽頻率時間衰減，利用該衰減函數(shù)計算用戶某時刻標注的每個標簽權(quán)重。然后在用戶—標簽—物品的三部圖網(wǎng)絡(luò)結(jié)構(gòu)中將初始資源設(shè)置為用戶不同時間使用標簽的加權(quán)權(quán)重并放在三部圖標簽節(jié)點上，在標簽—物品二部圖中進行一次物質(zhì)擴散，該算法思想簡單且容易實施。
　　(3)最后本文使用Last.fm數(shù)據(jù)集，將基于貝葉斯網(wǎng)絡(luò)的協(xié)同過濾算法與傳統(tǒng)算法在準確性、多樣性和新穎性方面作比較，實驗結(jié)果表明基于貝葉斯網(wǎng)絡(luò)的協(xié)同過濾算法推薦性能更好。在L