基于評分與閱讀行為的讀物推薦系統(tǒng)研究與實現(xiàn).pdf

1、隨著出版業(yè)與互聯(lián)網(wǎng)的不斷發(fā)展，讀物領(lǐng)域的信息爆炸現(xiàn)象日益突出，如何幫助用戶在大量讀物中找到喜歡的讀物成為亟待解決的問題。因此，能夠幫助用戶快速找到感興趣讀物的讀物推薦系統(tǒng)，就成為重要的應(yīng)用工具。算法的篩選以及推薦系統(tǒng)普遍存在的冷啟動問題成為制約推薦系統(tǒng)研究的兩個重要問題。針對這些問題，本文進(jìn)行了基于評分與閱讀行為的讀物推薦系統(tǒng)研究。
　　 本文對現(xiàn)有的推薦算法做了較為系統(tǒng)的分析總結(jié)，選取應(yīng)用最廣泛效果最好的協(xié)同過濾算法進(jìn)行研究，

2、分別對協(xié)同過濾算法的四種經(jīng)典模型進(jìn)行應(yīng)用實現(xiàn)，并設(shè)計了評分機(jī)制，分析出不同用戶對于不同算法的偏好，從而通過選擇用戶反饋最好的算法對用戶進(jìn)行推薦來提高用戶對推薦系統(tǒng)的滿意度。同時針對協(xié)同過濾算法固有的冷啟動問題，提出利用用戶閱讀行為數(shù)據(jù)解決冷啟動問題，設(shè)計并實現(xiàn)了終端對用戶閱讀行為數(shù)據(jù)的采集，終端與服務(wù)器數(shù)據(jù)傳輸，服務(wù)器端數(shù)據(jù)分析，利用用戶閱讀行為數(shù)據(jù)對用戶興趣建模，在用戶首次使用推薦系統(tǒng)、沒有對推薦系統(tǒng)進(jìn)行任何操作的情況下實現(xiàn)讀物推薦，