主題引導推薦系統(tǒng).pdf

1、隨著信息量爆炸式的增加，伴隨而來的是無關信息大量充斥在用戶身邊，用戶無法方便地獲取自己所需要的信息，因此在用戶身邊越來越頻繁地見到推薦系統(tǒng)的影子。推薦系統(tǒng)對于向特定用戶提供特定內(nèi)容，排除其他不適合用戶的信息起到了十分積極的作用。對于評判一個推薦系統(tǒng)來說，最為關鍵的評價指標包括推薦系統(tǒng)的推薦是否準確，該推薦系統(tǒng)所消耗的資源以及時間是否很少。為了達成這三個目標，眾多研究者參與其中，基于不同的環(huán)境提出了很多解決思路和方向，其中隱語義模型就是這

2、幾年比較熱門的方向。本文對于隱語義模型在推薦系統(tǒng)方面存在的問題以及如何解決進行了研究。本文的主要貢獻如下：
　　1、對推薦系統(tǒng)中隱語義模型的研究現(xiàn)狀進行了綜述。本文詳細介紹了推薦系統(tǒng)以及常見的推薦系統(tǒng)模型的基本概念，分析了推薦系統(tǒng)中的隱語義模型及現(xiàn)有改進了隱語義模型的一些方案，并對其中經(jīng)常使用到的主題模型進行了深入分析。
　　2、為了解決之前存在的的直接通過個人的經(jīng)驗來確定主題模型中的主題數(shù)量的問題，使用了一種主成分分析的方

3、法來確定主題模型中的主題數(shù)量，之后我們也通過結果證實了該方法得到的主題數(shù)量的正確性。
　　3、為了解決隱語義模型中潛在因子的內(nèi)無法定義容的問題，使用了主題模型從用戶對物品的評論信息中提取出了隱藏的主題信息以及相關的主題參數(shù)，并提出了一種偏好擴散方法，該方法可以通過用戶對于物品的打分來對各個物品的主題參數(shù)進行修正，以得到更加精確的結果。
　　4、本文提出了一種帶有時間參數(shù)的主題引導線性回歸模型，通過將模型中物品的屬性分布矩陣進