一種緩解推薦偏好的個性化推薦算法研究.pdf

1、計算機(jī)和Internet技術(shù)的飛速發(fā)展,使得信息量的急劇增長的同時也帶來了信息超載的問題,這就使得人們在尋找自己想要的信息的時候很難從海量的信息量中有效的發(fā)掘出有價值的信息。為解決這一問題,搜索系統(tǒng)應(yīng)運(yùn)而生,在使用搜索系統(tǒng)時需要用到搜索關(guān)鍵字,搜索系統(tǒng)是被動服務(wù)。與搜索系統(tǒng)相比,推薦系統(tǒng)不受到搜索關(guān)鍵字的限制,并且針對不同的用戶,推薦給用戶的信息是不同的,推薦系統(tǒng)是主動服務(wù)。推薦系統(tǒng)通過收集、分析用戶的歷史行為記錄,發(fā)掘用戶潛在的興趣愛

2、好,推薦用戶可能感興趣的對象。推薦系統(tǒng)通常是由用戶建模模塊、對象建模模塊、以及推薦算法模塊組成,其核心是推薦算法模塊,推薦算法的優(yōu)劣影響著整個推薦系統(tǒng)的性能。近些年來,隨著復(fù)雜網(wǎng)絡(luò)科學(xué)的發(fā)展,將復(fù)雜網(wǎng)絡(luò)原理應(yīng)用到推薦系統(tǒng)上成為了個性化推薦系統(tǒng)的一個熱門研究方向。
　　本文主要研究了基于復(fù)雜網(wǎng)絡(luò)的推薦算法,深入分析了在推薦系統(tǒng)中對象的不均勻性對于推薦系統(tǒng)性能的影響。由于對象在推薦系統(tǒng)中表現(xiàn)出來不均勻的特性,推薦系統(tǒng)對于熱門程度不同的

3、對象的推薦偏好會對個性化推薦系統(tǒng)性產(chǎn)生一定的影響。在基于復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法中,將用戶和對象抽象為網(wǎng)絡(luò)中的節(jié)點(diǎn),并賦予對象節(jié)點(diǎn)一定的初始資源,這種資源能夠在網(wǎng)絡(luò)中擴(kuò)散。由于資源擴(kuò)散具有方向性,我們將分配資源出去的對象命名為源對象,接收資源的對象命名為目標(biāo)對象?；谝环N偏好熱傳導(dǎo)算法,我們考慮了源對象的不均勻性對推薦系統(tǒng)性能的影響,將源對象的度作為擴(kuò)散的權(quán)重,提出了一種改進(jìn)的偏好熱傳導(dǎo)推薦算法。我們使用了三個真實的數(shù)據(jù)集Netflix、