基于用戶細(xì)分及組合相似度的個(gè)性化推薦算法的研究與實(shí)現(xiàn).pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)不斷向前發(fā)展，人們提前進(jìn)入到“信息過?！钡臅r(shí)代。然而，用戶的真實(shí)需求被埋藏在海量數(shù)據(jù)中，如何為用戶提供有效且有價(jià)值的信息與服務(wù)已經(jīng)成為學(xué)術(shù)界深入研究的方向之一。
　　針對(duì)中國(guó)某省移動(dòng)手機(jī)閱讀管理系統(tǒng)推薦方法存在的問題，本文提出了基于用戶細(xì)分的個(gè)性推薦策略與面向稀疏與冷啟動(dòng)問題的組合推薦方法實(shí)現(xiàn)中國(guó)移動(dòng)某省手機(jī)閱讀平臺(tái)的個(gè)性化推薦。其主要工作如下：
　　1.給出一種新的基于Item-Based用戶細(xì)分推薦方法

2、。
　　新的基于Item-Based用戶細(xì)分推薦方法，根據(jù)用戶的圖書閱讀情況，將用戶劃分為深度閱讀用戶和非深度閱讀用戶兩大類；同時(shí)，為了提高用戶的忠誠(chéng)，降低用戶流失率將深度閱讀用戶分類分為高價(jià)值用戶群體、中價(jià)值用戶群體與低價(jià)值用戶群體，應(yīng)用不同的推薦策略進(jìn)行個(gè)性化圖書推薦。實(shí)驗(yàn)結(jié)果表明該方法推薦質(zhì)量有較大提升，用戶點(diǎn)擊與購(gòu)買率較以前也有明顯改進(jìn)。
　　2.給出了一種新的基于SlopeOne用戶細(xì)分推薦方法。
　　新的基

3、于SlopeOne用戶細(xì)分與Item-Based用戶細(xì)分推薦方法不同之處是，對(duì)于低價(jià)值用戶群無需進(jìn)行用戶細(xì)分，而是直接采用SlopeOne予以推薦。在推薦性能、用戶點(diǎn)擊與購(gòu)買率上，該方法均有很好地改進(jìn)與提升。
　　3.給出了一種新的基于組合相似度的關(guān)聯(lián)推薦方法。
　　實(shí)現(xiàn)一種結(jié)合關(guān)聯(lián)規(guī)則推薦與協(xié)同過濾推薦模式，該方法能夠有效地處理稀疏數(shù)據(jù)和冷啟動(dòng)問題，具有很好的實(shí)用價(jià)值。
　　4.給出了新用戶活躍度提升方法。