利用矩陣分解算法建模數(shù)據(jù)稀疏環(huán)境下用戶協(xié)同行為.pdf

1、隨著近幾年來社交媒體的流行，信息的產(chǎn)生、傳播、分享變得越發(fā)容易。人們只需要通過發(fā)布微博，更新自己的社交狀態(tài)就能同來自世界各地的人們通信，交朋友，甚至進行商業(yè)貿(mào)易。電子商務的盛行，網(wǎng)絡購物正逐漸地成為人們生活中不可或缺的一部分，也在顛覆著傳統(tǒng)的產(chǎn)業(yè)結(jié)構(gòu)。然而，人們在受益于信息爆炸所帶來的便利的同時，也在面臨信息過載所帶來的困擾：該如何從龐大的信息池中獲取有價值的資源呢？推薦系統(tǒng)的出現(xiàn)正是為了解決這個問題，也在逐漸成為很多商業(yè)應用的重要組件

2、，自動地通過分析用戶偏好，為人們推送最為喜歡，符合個人口味的信息。
　　本文主要探討推薦系統(tǒng)研發(fā)過程中所面臨的數(shù)據(jù)稀疏性問題，并從評分預測和排序預測的角度探討了如何設計緩解該問題的個性化算法。
　　本文的主要貢獻如下：
　　1.探討了如何利用矩陣分解算法刻畫用戶評分決策過程，從反饋數(shù)據(jù)中進一步捕捉用戶與物品以外信息的交互作用，緩解顯性評分反饋不足所帶來的預測缺陷，并設計了相應的實驗。
　　2.研究如何利用排序?qū)W習