基于用戶地理信息的混合推薦算法的研究.pdf

1、推薦系統(tǒng)向用戶提供個性化服務，在各類網(wǎng)站上的作用越來越大。無論是電影網(wǎng)站還是電子商務網(wǎng)站，隨著項目數(shù)量的增多，用戶的選擇變得越來越困難，過去的推薦算法已經(jīng)慢慢不適應這個時代，需要更多地了解用戶的生活習慣以及興趣取向，才能為用戶推薦更合適的物品。目前我國的移動設備發(fā)展迅速，小米、華為等公司可以為用戶提供價格適中，功能強大的各種移動設備，例如智能手機、平板電腦、智能手表等。這些設備的普及可以使我們更多的去了解用戶的線下購買習慣。位置信息的獲

2、取在過去一直是一個難題，不僅需要專業(yè)的設備，而且精度也是差強人意。然而隨著移動設備的普及，用戶的位置信息的獲取不再需要價格昂貴的GPS設備，同樣隨著室內(nèi)定位技術的發(fā)展，用戶在購物時的位置信息能夠更精確。本論文將用戶的位置信息作為一個元素加入到用戶的個性化推薦系統(tǒng)中，將用戶線上習慣與線下習慣相結合，提供更準確的推薦結果。
　　本文首先介紹了個性化推薦的發(fā)展現(xiàn)狀以及各種個性化推薦算法的算法結構以及優(yōu)缺點信息，然后介紹了最新的室內(nèi)定位技

3、術，并進行橫向的比較。本文介紹的基于用戶地理信息的推薦算法是將用戶的位置信息與用戶的評分信息進行加權綜合，獲取到與目標用戶相似的鄰居用戶，再通過鄰居用戶來向目標用戶提供推薦。用戶的位置信息有兩種，一種是用戶的簽到信息，另外一種是用戶在店鋪的停留時間信息。本算法在Java開發(fā)平臺下，使用大眾點評3315名用戶對499家店鋪的評分與簽到信息，通過實驗證明，在加入用戶的位置信息后，對用戶的評分預測誤差有明顯的降低且推薦的準確率與召回率都有顯著