協(xié)同過濾推薦系統(tǒng)冷啟動問題的研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，越來越多人正享受著信息共享服務(wù)帶來的便利，但日益增長的信息也帶來了信息過載問題。為了實(shí)現(xiàn)在巨量數(shù)據(jù)信息中輕松找到用戶想要的信息，滿足用戶的個性化需求，這吸引了大量相關(guān)研究人員的關(guān)注，并且現(xiàn)已經(jīng)成為研究熱點(diǎn)。個性化推薦系統(tǒng)在這樣的背景下形成，它能夠快速、準(zhǔn)確的定位用戶真正想要的信息，極大的緩解了信息檢索的壓力，協(xié)同過濾推薦技術(shù)成為目前應(yīng)用最成功的個性化推薦技術(shù)之一。雖然推薦系統(tǒng)的運(yùn)用越來越廣泛，但隨著系統(tǒng)中用戶數(shù)量和

2、項目數(shù)量的逐漸增長，傳統(tǒng)的協(xié)同過濾技術(shù)也面臨著一些嚴(yán)峻的挑戰(zhàn)，主要是存在數(shù)據(jù)稀疏性問題、算法可擴(kuò)展性問題以及冷啟動問題。針對數(shù)據(jù)稀疏性和算法可擴(kuò)展性這兩個問題，很多協(xié)同過濾算法和模型已經(jīng)被提出，這些解決方案是非常有用的，提高了推薦系統(tǒng)的準(zhǔn)確性和擴(kuò)展性。上述這些問題對推薦系統(tǒng)的性能有非常大的影響，如何從不同的層次研究分析這些問題，針對性解決這些問題可以有效的提升推薦系統(tǒng)的質(zhì)量。
　　冷啟動問題是目前推薦系統(tǒng)沒有有效解決的一個關(guān)鍵問題

3、，傳統(tǒng)的協(xié)同過濾算法主要根據(jù)用戶對項目的評分信息，通過評分信息找到目標(biāo)用戶或者目標(biāo)項目的相似鄰居，然后根據(jù)鄰居信息做出個性化推薦。但對于新用戶或者新項目而言，在評分矩陣中缺乏對應(yīng)的評分信息，導(dǎo)致傳統(tǒng)推薦系統(tǒng)不能給出有效的推薦。因此如何有效解決推薦系統(tǒng)冷啟動問題，并且提高推薦精度具有重要意義。然而無論是新用戶還是老用戶，用戶的人口統(tǒng)計學(xué)信息以及他們在社交網(wǎng)絡(luò)中的信任關(guān)系都較容易知道，這也成為論文解決用戶冷啟動問題的關(guān)鍵。
　　論文詳

4、細(xì)分析了傳統(tǒng)協(xié)同過濾算法中用戶冷啟動問題存在的根本原因，并詳細(xì)探討了現(xiàn)有解決用戶冷啟動的方法，研究了混合協(xié)同過濾算法對解決用戶冷啟動問題的有效性，提出一種新的解決用戶冷啟動問題的混合協(xié)同過濾算法框架，該算法框架在評分矩陣極度稀疏的情況下，計算冷啟動用戶相似性時引入人口統(tǒng)計學(xué)信息和用戶信任機(jī)制，綜合考慮用戶的屬性相似性和信任相似性。同時，算法框架在計算用戶屬性相似性時，分析了傳統(tǒng)K-means聚類算法存在的不足，論文針對初始中心點(diǎn)的選取上