基于隨機(jī)游走的推薦技術(shù)研究及應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，“信息過(guò)載”成為用戶使用互聯(lián)網(wǎng)獲取信息時(shí)所面臨的一個(gè)重要問題。雖然借助于信息檢索技術(shù)，可以從一定程度上得到緩解，在面對(duì)海量的信息時(shí)，用戶仍然還會(huì)迷失方向，甚至不知道自己真正需要的是什么。由此，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生，它能夠有效地處理這類問題。本文回顧了推薦系統(tǒng)的相關(guān)算法，并重點(diǎn)研究隨機(jī)游走方法在個(gè)性化推薦中的應(yīng)用。
　　本文介紹幾種經(jīng)典的、已經(jīng)在商業(yè)領(lǐng)域得到廣泛應(yīng)用的鄰域算法。由于數(shù)據(jù)的稀疏性是協(xié)同過(guò)濾系統(tǒng)存

2、在的一個(gè)重要問題，為此本文分析了稀疏性的成因、表現(xiàn)，稀疏性對(duì)推薦精度的影響，以及相關(guān)的解決辦法，并著重介紹一種基于隨機(jī)游走的算法SimRank及其改進(jìn)形式SimRank++。SimRank++算法基于相似性具有傳遞性的假設(shè)，建立對(duì)象之間的關(guān)聯(lián)關(guān)系，實(shí)驗(yàn)分析發(fā)現(xiàn)SimRank++直接應(yīng)用于推薦系統(tǒng)中的效果差強(qiáng)人意，本文對(duì)其做進(jìn)一步改進(jìn)。為了能夠?qū)崿F(xiàn)個(gè)性化推薦，我們將主題敏感的PageRank算法應(yīng)用于用戶一物品二分圖，將每個(gè)用戶看作一個(gè)主

3、題，產(chǎn)生一種新的圖模型算法:個(gè)性化的PageRank(Personalized PageRank， PPageRank)。本文還給出PPageRank算法的收斂性證明，并建立鄰域算法同圖模型算法關(guān)系，最后將SimRank++改進(jìn)算法的加權(quán)思想融入到PPageRank中并提出一種加權(quán)形式的PPageRank算法:WPPageRank。
　　本文使用基于用戶的協(xié)同過(guò)濾推薦算法(UserCF)與基于物品的協(xié)同過(guò)濾算法(ItemCF)作為