個(gè)性化推薦系統(tǒng)技術(shù)與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的應(yīng)用普及、現(xiàn)代電子商務(wù)的迅猛發(fā)展，充斥在網(wǎng)絡(luò)上的資源數(shù)量呈指數(shù)增長的趨勢。海量的信息同時(shí)呈現(xiàn)在用戶面前，從而出現(xiàn)了所謂的“信息爆炸”和“信息過載”現(xiàn)象。個(gè)性化推薦系統(tǒng)在這樣的背景下應(yīng)運(yùn)而生。在過去的二十年里，個(gè)性化推薦技術(shù)得到了長足的發(fā)展，已經(jīng)成為當(dāng)前解決信息過載最有效的工具之一。然而就目前而言，個(gè)性化推薦技術(shù)和系統(tǒng)的研究還停留在初步階段，遠(yuǎn)沒有達(dá)到完善的地步，仍然存在很多問題亟待解決。
　　 本文根據(jù)推薦算法的

2、不同，分別介紹了基于規(guī)則的推薦系統(tǒng)、基于內(nèi)容的推薦系統(tǒng)、基于協(xié)同過濾的推薦系統(tǒng)以及混合推薦系統(tǒng)。在此基礎(chǔ)上，本文簡要地分析了傳統(tǒng)的基于用戶的協(xié)同過濾技術(shù)和傳統(tǒng)的基于關(guān)聯(lián)規(guī)則的推薦技術(shù)各自存在的一些缺陷，并分別提出了相關(guān)的解決方案。本文的主要研究內(nèi)容如下：
　　 (1)簡要回顧了推薦系統(tǒng)產(chǎn)生的背景、研究現(xiàn)狀以及相關(guān)的幾種常見推薦算法；
　　 (2)簡要分析了傳統(tǒng)的基于用戶的協(xié)同過濾算法所存在數(shù)據(jù)稀疏性問題和冷啟動(dòng)問題，并針

3、對(duì)該問題提出一種基于用戶興趣傳播的協(xié)同過濾算法(UserInterests Transmission，UIT)，該算法在用戶興趣維度上計(jì)算用戶之間的相似性，同時(shí)考慮了興趣在不同用戶間的傳播。在數(shù)據(jù)比較稀疏的情況下，UIT算法通過用戶興趣的傳播使計(jì)算得到的用戶相似性結(jié)果更加準(zhǔn)確，在一定程度上緩解了數(shù)據(jù)高維度和稀疏性問題。
　　 (3)針對(duì)傳統(tǒng)的基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)不考慮用戶社會(huì)性所帶來的一些問題，本文提出并設(shè)計(jì)了一個(gè)基于共性群