基于用戶行為的動(dòng)態(tài)推薦系統(tǒng)算法研究及實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)的高速發(fā)展使其承載信息呈現(xiàn)爆炸式增長(zhǎng)，人們?cè)诿鎸?duì)海量信息時(shí)往往會(huì)陷入不知如何選擇的困境，推薦系統(tǒng)（Recommed System）由此產(chǎn)生。推薦系統(tǒng)能夠根據(jù)用戶的歷史行為數(shù)據(jù)，向用戶推薦感興趣的物品。同時(shí)，用戶的興趣是不斷變化的，這就要求推薦系統(tǒng)具有動(dòng)態(tài)性。傳統(tǒng)的推薦算法大多基于協(xié)同過(guò)濾，對(duì)具體用戶的興趣模型沒(méi)有充分考慮，不能動(dòng)態(tài)預(yù)測(cè)用戶興趣的變化。
　　本論文深入分析了用戶行為與用戶興趣的關(guān)系，研究了推薦系統(tǒng)的動(dòng)態(tài)性以及基

2、于用戶行為的動(dòng)態(tài)推薦模型，設(shè)計(jì)了基于Hadoop的微博推薦系統(tǒng)原型。論文主要工作如下：
　　1、深入分析推薦系統(tǒng)的動(dòng)態(tài)性，研究用戶行為與興趣之間的關(guān)系。通過(guò)對(duì)用戶行為進(jìn)行分類，重點(diǎn)分析和研究目前主要的互聯(lián)網(wǎng)行為，包括瀏覽行為、評(píng)論行為、評(píng)分行為；通過(guò)分析瀏覽行為，提出并改進(jìn)基于PV的瀏覽行為興趣模型，并對(duì)模型進(jìn)行了實(shí)驗(yàn)仿真；通過(guò)分析評(píng)論行為中所包含的用戶情感，建立情感與評(píng)分的回歸模型；通過(guò)分析由用戶評(píng)分高低與其所表達(dá)的用戶興趣愛(ài)好

3、程度大小之間的關(guān)系，提出了一種模糊興趣分類方法。
　　2、利用用戶行為與用戶興趣的關(guān)系，根據(jù)電容充放電原理，提出了推薦系統(tǒng)中用戶的興趣壓、興趣阻以及興趣流等概念，并由此建立一種基于興趣流的動(dòng)態(tài)推薦模型。同時(shí)研究該模型在單用戶、多用戶、動(dòng)態(tài)多用戶情況下，該模型的具體計(jì)算過(guò)程和實(shí)現(xiàn)方式。采用Movielens視頻網(wǎng)站的實(shí)驗(yàn)數(shù)據(jù)，分析用戶在觀看電影過(guò)程中興趣愛(ài)好的變化并對(duì)其量化，建立用戶的興趣愛(ài)好模型，向用戶推薦用戶感興趣的電影；通過(guò)分