基于行為模型的個(gè)性化推薦.pdf

1、隨著時(shí)代的發(fā)展,互聯(lián)網(wǎng)已滲透到人們學(xué)習(xí)工作與生活的各個(gè)領(lǐng)域,成為了當(dāng)今資料最多的龐大的開放的資源庫。如何從這些數(shù)據(jù)中挖掘出有含金量的信息,成為了人們研究的一大課題。個(gè)性化信息推薦是近年來隨著數(shù)據(jù)挖掘技術(shù)日益成熟應(yīng)運(yùn)而生的一個(gè)新興研究領(lǐng)域,它根據(jù)用戶的訪問行為,研究分析得出用戶的喜好,從而在用戶訪問Web站點(diǎn)的過程中為其提供個(gè)性化信息推薦服務(wù),進(jìn)而提高用戶的滿意度與忠誠度。
　　論文通過研究用戶的行為序列,與傳統(tǒng)的協(xié)同過濾算法結(jié)合,

2、設(shè)計(jì)出一種改進(jìn)的個(gè)性化推薦算法模型。該模型通過比較用戶的行為序列相似度挑選出目標(biāo)用戶的相似行為用戶集,進(jìn)而利用協(xié)同過濾中最近鄰算法的思想,根據(jù)用戶間的相似度為用戶對(duì)目標(biāo)項(xiàng)的評(píng)分作預(yù)測(cè),進(jìn)而對(duì)用戶進(jìn)行個(gè)性化推薦。論文中采用Movielens以及盛大起點(diǎn)中文網(wǎng)用戶閱讀書籍的數(shù)據(jù)作為數(shù)據(jù)集,對(duì)算法進(jìn)行測(cè)試與訓(xùn)練。針對(duì)Movielens數(shù)據(jù)集,論文進(jìn)行了幾種不同算法的比較,從中選出推薦效果最優(yōu)的算法。針對(duì)起點(diǎn)中文網(wǎng)書籍瀏覽數(shù)據(jù)集,論文利用Mov