面向排序的個(gè)性化推薦算法研究與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)技術(shù)的發(fā)展和普及，使得網(wǎng)絡(luò)已成為人們獲取各種信息和資源的重要媒介。網(wǎng)絡(luò)上的信息就像海洋一樣浩瀚無(wú)際，用戶(hù)雖然擁有無(wú)窮無(wú)盡的選擇，但得付出比以往更多的時(shí)間和精力來(lái)發(fā)現(xiàn)自己想要的信息。于是，幫助用戶(hù)更快地找到所感興趣的資源解決信息過(guò)載問(wèn)題已成為當(dāng)前研究的熱點(diǎn)。其中一個(gè)行之有效的解決信息過(guò)載的問(wèn)題的方案就是的個(gè)性化推薦技術(shù)。該技術(shù)旨在通過(guò)挖掘個(gè)體用戶(hù)的興趣喜好，把用戶(hù)最感興趣的資源從浩瀚如海的網(wǎng)絡(luò)信息中抽取出來(lái)推薦給相應(yīng)用戶(hù)。個(gè)性化推薦

2、技術(shù)也逐漸成為了電子商務(wù)領(lǐng)域不可缺少的工具之一，比如Amazon，Netflix和豆瓣等許多網(wǎng)站都廣泛使用了個(gè)性化推薦技術(shù)。
　　面向評(píng)分的和面向排序是協(xié)同過(guò)濾系統(tǒng)實(shí)現(xiàn)的兩種主要方法。面向評(píng)分的系統(tǒng)根據(jù)用戶(hù)的歷史評(píng)分信息來(lái)計(jì)算用戶(hù)之間評(píng)分的相似度，然后對(duì)近鄰的評(píng)分根據(jù)其余目標(biāo)用戶(hù)的相似度進(jìn)行加權(quán)來(lái)預(yù)測(cè)目標(biāo)用戶(hù)對(duì)待推薦產(chǎn)品的評(píng)分。然而，當(dāng)用戶(hù)之間的評(píng)分的差別較大時(shí)，基于評(píng)分的相似度度量方式便喪失了捕獲用戶(hù)之間偏好相似性的能力。而且當(dāng)

3、前的面向評(píng)分的協(xié)同過(guò)濾系統(tǒng)只是對(duì)單獨(dú)的產(chǎn)品獨(dú)立地預(yù)測(cè)評(píng)分，而沒(méi)有考慮用戶(hù)對(duì)產(chǎn)品對(duì)的偏好關(guān)系。與之不同，面向排序的協(xié)同過(guò)濾系統(tǒng)則是根據(jù)用戶(hù)對(duì)產(chǎn)品的偏好順序來(lái)計(jì)算用戶(hù)之間的相似度，然而當(dāng)前面向排序的協(xié)同過(guò)濾算法只是考慮用戶(hù)對(duì)產(chǎn)品對(duì)的偏好是否一致，而忽略了偏好的程度以及偏好的流行度在區(qū)分用戶(hù)時(shí)所發(fā)揮的作用。為解決上述問(wèn)題，本文提出的面向排序的協(xié)同過(guò)濾算法，能夠結(jié)合用戶(hù)對(duì)產(chǎn)品對(duì)的偏好程度以及偏好的流行程度，來(lái)向用戶(hù)推薦滿(mǎn)足其偏好的產(chǎn)品。

4、　　協(xié)同過(guò)濾和基于內(nèi)容的推薦系統(tǒng)都有各自的不足之處，因此在實(shí)際應(yīng)用中，大多把不同類(lèi)型的推薦算法進(jìn)行綜合運(yùn)用，進(jìn)而提出了混合推薦系統(tǒng)，以綜合不同類(lèi)型推薦系統(tǒng)的優(yōu)點(diǎn)。本文將混合推薦系統(tǒng)問(wèn)題轉(zhuǎn)化成機(jī)器學(xué)習(xí)問(wèn)題，能夠綜合考慮用戶(hù)與產(chǎn)品的內(nèi)容信息和評(píng)分信息。但是不像信息檢索中的查詢(xún)?cè)~和文檔可以用相似度來(lái)衡量?jī)烧叩南嚓P(guān)程度，在推薦系統(tǒng)中，用戶(hù)和產(chǎn)品在內(nèi)容上不具有可比性，并不能直接用來(lái)計(jì)算用戶(hù)和產(chǎn)品的相關(guān)程度。為了解決上述問(wèn)題，本文抽取了用戶(hù)和產(chǎn)品的

5、屬性特征以及評(píng)分特征，對(duì)用戶(hù)和產(chǎn)品進(jìn)行統(tǒng)一表示，使兩者具有了內(nèi)容上的可比性。在本文構(gòu)建的特征框架上，任何排序?qū)W習(xí)算法都可以應(yīng)用到推薦系統(tǒng)之上。
　　本文主要在以下幾個(gè)方面的做了相關(guān)研究:1）分析了現(xiàn)有面向排序的協(xié)同過(guò)濾算法的不足，對(duì)用戶(hù)對(duì)產(chǎn)品對(duì)的偏好從偏好程度以及流行度兩個(gè)方面進(jìn)行了定義，在此基礎(chǔ)提出了兩種計(jì)算用戶(hù)間偏好相似度的方式，運(yùn)用了兩種偏好融合的方法進(jìn)行最終的排序預(yù)測(cè)工作。2）在混合推薦系統(tǒng)中，對(duì)用戶(hù)和產(chǎn)品進(jìn)行統(tǒng)一表示，將