基于用戶和資源權(quán)重的協(xié)同過濾推薦系統(tǒng)的研究與設(shè)計(jì).pdf

1、隨著網(wǎng)絡(luò)的普及和信息服務(wù)的發(fā)展，信息服務(wù)系統(tǒng)在為用戶提供越來越多選擇的同時(shí)，其結(jié)構(gòu)也變得更加復(fù)雜，用戶經(jīng)常會(huì)迷失在大量的信息空間中，無法順利找到自己所需要的信息。推薦系統(tǒng)可以根據(jù)用戶已有的記錄信息，對(duì)目標(biāo)用戶所將感興趣的信息進(jìn)行推薦，可以更方便的幫助用戶找到其所需的信息。隨著商業(yè)信息化的發(fā)展，推薦系統(tǒng)在信息服務(wù)系統(tǒng)中的應(yīng)用越來越廣，所以提供準(zhǔn)確而實(shí)時(shí)性的推薦系統(tǒng)將是加速當(dāng)今信息產(chǎn)業(yè)化的重點(diǎn)目標(biāo)。 推薦系統(tǒng)通過預(yù)測(cè)用戶對(duì)項(xiàng)目的喜好

2、程度來為用戶進(jìn)行信息過濾，應(yīng)用知識(shí)發(fā)現(xiàn)技術(shù)來生成個(gè)性化推薦。協(xié)同過濾是一種常用的減少信息過載的技術(shù)，已經(jīng)成為了個(gè)性化推薦系統(tǒng)的一種主要技術(shù)，然而現(xiàn)有大多數(shù)協(xié)同過濾算法存在著幾個(gè)主要問題：精確性，數(shù)據(jù)稀疏和冷啟動(dòng)問題。許多結(jié)合協(xié)同過濾與基于內(nèi)容的信息過濾的算法可以解決這些問題，但是這些算法還不能很好的將用戶的興趣很好的表現(xiàn)出來，因此在很多時(shí)候推薦的結(jié)果并不能很好的滿足用戶的需要，而且在很多情況下，用戶的興趣是會(huì)隨著時(shí)間的推移而發(fā)生變化的，

3、所以，要想提高推薦的質(zhì)量，就必須將用戶的各個(gè)特征以及變化都相應(yīng)的考慮進(jìn)來；另外，不同的項(xiàng)目對(duì)于用戶來說，是具有不同的價(jià)值的，而這些價(jià)值是可以從用戶的評(píng)分信息中進(jìn)行挖掘的。因此，資源本身的價(jià)值也可以成為對(duì)項(xiàng)目進(jìn)行推薦的一個(gè)重要因素。 如何提高推薦質(zhì)量是本研究的目標(biāo)，由于推薦質(zhì)量的精確性從很大程序上取決于近鄰用戶的選取，所以要提高推薦質(zhì)量，用戶相似性的精確度就必須得到提高，同時(shí)也是本研究的重點(diǎn)。本文的研究主要是在用戶信息相對(duì)完整的情

4、況下，將用戶的部分特征與資源權(quán)重相結(jié)合，提出了一種基于用戶和資源權(quán)重的推薦方法，在傳統(tǒng)的推薦方法上做了相應(yīng)的改進(jìn)。 本文所做的主要研究以及創(chuàng)新性主要體現(xiàn)在以下幾個(gè)方面： 1）根據(jù)用戶—項(xiàng)目評(píng)分表，建立相應(yīng)的矢量空間模型，在本研究中主要包括用戶特征模型和用戶項(xiàng)目模型。 2）在傳統(tǒng)的協(xié)同過濾技術(shù)的基礎(chǔ)上，引入了時(shí)間函數(shù)f（t），考慮了用戶興趣變化對(duì)用戶間的相似性影響，并根據(jù)項(xiàng)目本身所體現(xiàn)的價(jià)值，設(shè)計(jì)出一個(gè)基于用戶特征

5、以及項(xiàng)目特征的算法，利用該算法計(jì)算出用戶間的相似性，形成相似用戶集。 3）根據(jù)相似用戶集中的用戶信息，使用改進(jìn)的協(xié)同過濾算法對(duì)用戶未評(píng)分的項(xiàng)目進(jìn)行評(píng)分預(yù)測(cè)，然后根據(jù)評(píng)分預(yù)算結(jié)果由高到低的順序向用戶推薦指定數(shù)量的項(xiàng)目。 本文的創(chuàng)新點(diǎn)主要是在傳統(tǒng)的協(xié)同過濾算法的基礎(chǔ)上，將用戶特征和資源權(quán)重相結(jié)合，對(duì)傳統(tǒng)的算法作了進(jìn)一種改進(jìn)，能更好的適應(yīng)用戶興趣隨時(shí)間而發(fā)生的變化，并平穩(wěn)的考慮了資源自身的權(quán)重，對(duì)最終的預(yù)測(cè)有一定的提高。增強(qiáng)了