基于協(xié)同過(guò)濾技術(shù)的個(gè)性化推薦研究.pdf

1、在這個(gè)信息爆炸的時(shí)代,全球的數(shù)據(jù)量正在以驚人速度增長(zhǎng),信息過(guò)載問(wèn)題愈加嚴(yán)重,推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)通過(guò)收集用戶的興趣資料和個(gè)人信息,為用戶做出個(gè)性化推薦。在信息資源獲取無(wú)明顯差別情況下,推薦算法作為個(gè)性化推薦技術(shù)的核心,成為決定推薦系統(tǒng)好壞的關(guān)鍵。協(xié)同過(guò)濾技術(shù)是使用最廣泛的一種推薦技術(shù),但該技術(shù)仍然存在很多問(wèn)題需要解決,比如:數(shù)據(jù)的高度稀疏性導(dǎo)致推薦性能下降;傳統(tǒng)的協(xié)同過(guò)濾算法只是分析靜態(tài)的數(shù)據(jù)而沒(méi)有考慮系統(tǒng)的時(shí)間動(dòng)態(tài)變化因素導(dǎo)致推

2、薦的準(zhǔn)確性不高等。
　　針對(duì)上述提出的問(wèn)題,本文對(duì)基于協(xié)同過(guò)濾技術(shù)的個(gè)性化推薦進(jìn)行深入研究。包括利用神經(jīng)網(wǎng)絡(luò)及信任關(guān)系改進(jìn)協(xié)同過(guò)濾算法;分析推薦系統(tǒng)的動(dòng)態(tài)變化特性以及協(xié)同過(guò)濾推薦的動(dòng)態(tài)改進(jìn)研究等。以下為本文重點(diǎn)研究?jī)?nèi)容及創(chuàng)新之處:
　　1.概述基于協(xié)同過(guò)濾技術(shù)的個(gè)性化推薦的背景、意義以及研究進(jìn)展;介紹個(gè)性化推薦相關(guān)的信息過(guò)濾技術(shù)以及數(shù)據(jù)挖掘技術(shù);分析常用的幾種協(xié)同過(guò)濾算法的推薦過(guò)程及各自的優(yōu)缺點(diǎn);最后指出現(xiàn)在的推薦技術(shù)的挑戰(zhàn)

3、及研究熱點(diǎn),為進(jìn)一步研究提供理論依據(jù)。
　　2.提出一種基于神經(jīng)網(wǎng)絡(luò)解決協(xié)同過(guò)濾推薦數(shù)據(jù)稀疏性的方法,使用廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN,通過(guò)訓(xùn)練網(wǎng)絡(luò)模型并進(jìn)行評(píng)分預(yù)測(cè),對(duì)稀疏的數(shù)據(jù)進(jìn)行完全填充,緩解協(xié)同過(guò)濾技術(shù)的數(shù)據(jù)高度稀疏性問(wèn)題。
　　3.研究信任和傳統(tǒng)的相似性度量之間的關(guān)系,基于信任關(guān)系研究個(gè)性化推薦的模型,研究推薦過(guò)程中度量信任大小的方法?；谛湃嗡枷敫倪M(jìn)傳統(tǒng)的評(píng)分預(yù)測(cè)公式,利用信任關(guān)系尋找最近鄰居并進(jìn)行預(yù)測(cè)評(píng)分,最后通過(guò)