基于項(xiàng)目分類和用戶情景推薦的研究及應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展和電子商務(wù)的繁榮，人們?cè)诿媾R眾多資源的時(shí)候，往往要花費(fèi)很長的時(shí)間去尋找自己想要的資源，給現(xiàn)在快節(jié)奏的人們帶來了不便。推薦技術(shù)的出現(xiàn)，比較好的解決了這一問題，受到了人們?cè)絹碓蕉嗟年P(guān)注。推薦系統(tǒng)通過用戶的個(gè)人信息，歷史行為等信息主動(dòng)的向用戶推薦資源，減少了用戶在篩選資源浪費(fèi)的時(shí)間。
　　 作為解決資源過多的有效手段，推薦技術(shù)發(fā)展至今已經(jīng)產(chǎn)生了許多種，它們借鑒了很多其他領(lǐng)域的知識(shí)，例如數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)、人工智能等

2、。通常來說，推薦技術(shù)主要包括基于關(guān)聯(lián)規(guī)則的推薦技術(shù)、基于內(nèi)容的推薦技術(shù)、基于協(xié)同過濾的推薦技術(shù)、基于混合的推薦技術(shù)和一些其他的推薦技術(shù)。每種推薦技術(shù)都有自己的優(yōu)缺點(diǎn)，它們運(yùn)用于不同的對(duì)象會(huì)有不同的效果。
　　 基于協(xié)同過濾的推薦技術(shù)作為其中的一種，是現(xiàn)今運(yùn)用最為廣泛和成功的一種技術(shù)。它利用評(píng)分?jǐn)?shù)據(jù)尋找用戶或者項(xiàng)目的最近鄰來計(jì)算用戶對(duì)待預(yù)測(cè)項(xiàng)目的評(píng)分，根據(jù)評(píng)分的高低決定是否推薦給用戶，但其存在著數(shù)據(jù)稀疏、冷啟動(dòng)等缺陷，影響著推薦的

3、質(zhì)量。
　　 本文的主要工作有兩點(diǎn)。第一點(diǎn)，提出利用特征屬性和評(píng)分計(jì)算項(xiàng)目相似性。第二點(diǎn)，將項(xiàng)目分類和用戶情景引入到基于項(xiàng)目協(xié)同過濾技術(shù)中，提出了一種基于項(xiàng)目分類和用戶情景的推薦技術(shù)。對(duì)于第一點(diǎn)，它綜合了基于內(nèi)容推薦技術(shù)中利用項(xiàng)目特征屬性和基于項(xiàng)目協(xié)同過濾推薦技術(shù)中利用項(xiàng)目評(píng)分?jǐn)?shù)據(jù)的兩個(gè)不同方面。首先利用項(xiàng)目的特征屬性對(duì)項(xiàng)目進(jìn)行分類，然后再在項(xiàng)目類別中尋找目標(biāo)項(xiàng)目的最近鄰。該方法有別于傳統(tǒng)的基于項(xiàng)目的協(xié)同過濾技術(shù)中將尋找目標(biāo)項(xiàng)目

4、的最近鄰放在所有的項(xiàng)目范圍內(nèi)，而是縮小在項(xiàng)目類別的范圍內(nèi)，充分利用了項(xiàng)目的特征屬性和評(píng)分?jǐn)?shù)據(jù)，提高了目標(biāo)項(xiàng)目最近鄰的可靠性程度。對(duì)于第二點(diǎn)，在項(xiàng)目類別中引入用戶個(gè)性化情景因素，建立項(xiàng)目類別和用戶情景因素間的對(duì)應(yīng)關(guān)系。在預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)項(xiàng)目評(píng)分的時(shí)候，根據(jù)目標(biāo)項(xiàng)目的特征屬性找到目標(biāo)項(xiàng)目所屬的項(xiàng)目類別，進(jìn)而找到目標(biāo)用戶在該項(xiàng)目類別下對(duì)應(yīng)的用戶個(gè)性化情景，通過尋找與目標(biāo)用戶具有相同情景因素用戶的評(píng)分?jǐn)?shù)據(jù)和目標(biāo)項(xiàng)目的最近鄰進(jìn)行預(yù)測(cè)評(píng)分。