上下文感知推薦算法研究.pdf

1、當今時代數據量飛速增長，信息出現超載，為過濾無用信息，個性化推薦系統(tǒng)應運而生。目前個性化推薦系統(tǒng)已應用于廣泛的領域中，如電子商務、社交網絡、音樂電影推薦等。協(xié)同過濾算法是當前推薦系統(tǒng)中使用最為廣泛的算法，它是基于尋找相似近鄰的思想，在合適的環(huán)境下推薦效果良好。但是協(xié)同過濾算法的興趣矩陣具有稀疏性。這將導致系統(tǒng)為新用戶或歷史記錄少的用戶進行推薦時，會因數據匱乏而出現冷啟動問題。
　　同時，伴隨著智能手機的普及和上下文感知技術的快速發(fā)

2、展，計算模式已逐漸擺脫傳統(tǒng)的桌面環(huán)境計算，而轉向普適計算模式。新的計算模式在普適環(huán)境中為推薦系統(tǒng)“感知”了大量的上下文信息，這些信息包括時間、地點、年齡、職業(yè)、物品屬性等，它們對用戶興趣產生了巨大的影響。然而，傳統(tǒng)的推薦算法卻僅著眼于用戶和物品之間的二重關系，無法適應用戶、物品、上下文信息的多維環(huán)境的推薦，從而造成了上下文信息的浪費，限制了推薦質量的進一步提高。
　　本文針對以上兩種問題，做了如下工作。首先，提出了融入上下文信息的