基于支持向量機(jī)的Top-N協(xié)同過濾推薦算法研究.pdf

1、計算機(jī)和互聯(lián)網(wǎng)的急速發(fā)展，尤其是移動互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，徹底改變了人們獲取和分享信息的方式，海量互聯(lián)網(wǎng)信息滿足用戶對信息的多樣需求，為用戶提供了極大的支持和幫助。然而，海量網(wǎng)絡(luò)信息也導(dǎo)致用戶不得不面臨信息過載問題，即人們無法從海量的數(shù)據(jù)資源中快速地尋找所需的信息。推薦系統(tǒng)分析用戶行為數(shù)據(jù)并建立模型，進(jìn)而推薦用戶可能感興趣的物品，這一方法可以在一定程度上解決信息過載問題。另一方面，推薦系統(tǒng)是大數(shù)據(jù)背景下分析和挖掘海量數(shù)據(jù)的熱點(diǎn)研究領(lǐng)域，

2、具有巨大的理論及應(yīng)用價值，推薦系統(tǒng)已經(jīng)成為國內(nèi)外學(xué)者的熱門研究方向。
　　推薦系統(tǒng)的目標(biāo)是幫助用戶選擇一些用戶自己可能感興趣的產(chǎn)品，并將其以合適的形式展現(xiàn)給用戶。Top-N推薦的目標(biāo)是僅為用戶推薦N個項目，其少量準(zhǔn)確的推薦更符合用戶的選擇習(xí)慣，所以Top-N推薦算法逐漸成為研究熱點(diǎn)。但是，經(jīng)典的Top-N推薦算法存在未充分利用用戶負(fù)反饋信息以及未考慮用戶關(guān)系存在差異等問題，本文針對這些問題提出具體的解決策略，具體的研究內(nèi)容包括：<

3、br>　　(1)基于正負(fù)反饋信息的Top-N推薦模型的研究。現(xiàn)有典型的Top-N推薦算法利用用戶正反饋信息對全部項目進(jìn)行排序，進(jìn)而選擇前N個項目進(jìn)行推薦。在推薦算法中充分利用用戶正負(fù)反饋信息，提出一種基于用戶正負(fù)反饋信息的支持向量機(jī)Top-N協(xié)同過濾推薦算法(SupportVectorMachineCollaborative FilteringAlgorithmbased on Positive and Negative Feedbac

4、k，PNF-SVMCF)，該算法有效利用用戶負(fù)反饋信息，過濾用戶不喜歡的項目，縮減Top-N推薦項目的規(guī)模，同時去除這些項目對Top-N推薦的干擾。
　　(2)基于用戶粒分布的PNF-SVMCF模型的研究?？紤]到用戶關(guān)系存在差異，提出利用信息粒分布不同的策略來優(yōu)化推薦模型，為了驗(yàn)證該策略的有效性，將其應(yīng)用到優(yōu)化支持向量機(jī)(Support Vector Machine,SVM)的效率研究中，提出一種基于粒分布的SVM加速訓(xùn)練方法(G

5、ranular Distribution based SVM,GDSVM)，該算法依照粒內(nèi)正負(fù)樣本分布選取粒代表點(diǎn)，進(jìn)而利用代表點(diǎn)訓(xùn)練分類模型。接著使用該策略改進(jìn)推薦模型，提出一種基于用戶粒分布的PNF-SVMCF的推薦算法(User Granular Distribution based PNF-SVMCF,PNF-GDSVMCF)，先將推薦系統(tǒng)中用戶進(jìn)行?；?，根據(jù)用戶粒中是否存在目標(biāo)用戶這樣的不同分布來優(yōu)化評分矩陣，最終完成Top-