基于多目標(biāo)優(yōu)化遺傳算法的加權(quán)混合推薦技術(shù)研究.pdf

1、伴隨互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)上的資源日益增多，并呈現(xiàn)出爆炸式的增長(zhǎng)態(tài)勢(shì)。豐富的信息帶給我們便利的同時(shí)，也使得信息的精確查找變得越發(fā)困難。我們已正式步入了“信息過(guò)載”的時(shí)代，在這樣的背景下，推薦系統(tǒng)作為有效解決此問(wèn)題的手段受到了越來(lái)越多的關(guān)注。
　　推薦系統(tǒng)是一種新型的專(zhuān)家系統(tǒng)，它通過(guò)分析用戶(hù)的歷史行為，幫助用戶(hù)查找其可能感興趣的事物，最后經(jīng)過(guò)一定的篩選排序?qū)⑼扑]結(jié)果反饋給用戶(hù)。雖然目前推薦算法已經(jīng)被應(yīng)用到很多領(lǐng)域，但發(fā)展還并不完善，

2、現(xiàn)實(shí)應(yīng)用中仍然存在推薦精度不高、冷啟動(dòng)、數(shù)據(jù)稀疏性嚴(yán)重以及推薦實(shí)時(shí)性差等問(wèn)題。在這種情況下，使用單一的推薦算法已經(jīng)顯得捉襟見(jiàn)肘，而能夠?qū)⒏魍扑]算法融合取長(zhǎng)補(bǔ)短的混合推薦算法成為發(fā)展的必然趨勢(shì)。
　　為了有效解決推薦精度低的問(wèn)題，本文以基礎(chǔ)推薦算法知識(shí)為基礎(chǔ)，以混合推薦算法為研究對(duì)象，以提高推薦精度為目的，進(jìn)行了如下的工作：
　　1.研究并歸納了現(xiàn)有的混合推薦算法，并從中選定加權(quán)混合推薦算法作為研究重點(diǎn)。
　　2.為了更

3、智能的確定加權(quán)混合推薦算法中的加權(quán)系數(shù)，同時(shí)優(yōu)化推薦算法的多個(gè)指標(biāo)，引入了自然計(jì)算中的多目標(biāo)優(yōu)化遺傳算法，在此基礎(chǔ)上實(shí)現(xiàn)了新的加權(quán)混合推薦算法。
　　3.在MovieLens公開(kāi)數(shù)據(jù)集上，對(duì)所涉及的傳統(tǒng)的協(xié)同過(guò)濾推薦算法及新的加權(quán)混合推薦算法進(jìn)行了測(cè)試，實(shí)驗(yàn)表明新的加權(quán)混合推薦算法在準(zhǔn)確率與召回率兩個(gè)指標(biāo)上獲得了明顯提升，從而驗(yàn)證了算法思路的正確性。
　　4.針對(duì)IT書(shū)籍遴選困難的問(wèn)題，本文基于LAMP環(huán)境搭建了一個(gè)簡(jiǎn)易的I