基于兩階段行為模式的協(xié)同過濾推薦算法研究.pdf

1、由于互聯(lián)網(wǎng)中信息爆炸式的增長，導(dǎo)致用戶很難直接發(fā)現(xiàn)有用的信息。為此，根據(jù)用戶的歷史行為數(shù)據(jù)進(jìn)行建模的推薦系統(tǒng)吸引了學(xué)者的廣泛關(guān)注，可以一定程度上緩解信息過載的問題。各種類型的推薦算法中，協(xié)同過濾推薦算法以其可理解性強(qiáng)、無需語義分析等特點(diǎn)成為目前使用最廣泛的推薦算法之一。但是，隨著數(shù)據(jù)規(guī)模的增大，協(xié)同過濾算法面臨著數(shù)據(jù)稀疏，實(shí)時(shí)性以及準(zhǔn)確性和多樣性的權(quán)衡等方面的問題。另外，與之前的評(píng)分預(yù)測相比，Top-N推薦形式更符合當(dāng)前協(xié)同過濾推薦算法

2、的需求。因此，本文主要針對(duì)協(xié)同過濾算法存在的部分問題，研究協(xié)同過濾算法在Top-N的推薦算法。本文主要的研究工作是:
　　(1)提出了基于兩步預(yù)測的二分網(wǎng)絡(luò)Top-N推薦算法。已有的基于二分網(wǎng)絡(luò)的協(xié)同過濾推薦算法只考慮了用戶選擇，忽略了用戶評(píng)分。利用本文的用戶行為中存在的兩階段的行為，提出了基于兩步預(yù)測的二分網(wǎng)絡(luò)Top-N推薦算法。該算法先利用NBI算法預(yù)測用戶對(duì)產(chǎn)品進(jìn)行評(píng)分的概率，然后利用兩步預(yù)測將其與協(xié)同過濾算法結(jié)合進(jìn)行推薦。

3、在MoiveLens數(shù)據(jù)集上的實(shí)驗(yàn)表明，該算法提高了推薦的準(zhǔn)確度。
　　(2)提出了一種基于屬性比重相似性的兩步預(yù)測Top-N推薦算法。在處理極端不均勻和稀疏的用戶評(píng)分?jǐn)?shù)據(jù)時(shí)，傳統(tǒng)的協(xié)同過濾推薦算法不能很好的進(jìn)行相似性計(jì)算。為此，考慮用戶對(duì)某一類的產(chǎn)品更感興趣和一個(gè)產(chǎn)品可能同屬于不同的屬性，同時(shí)，結(jié)合用戶兩階段行為模式，本文提出一種基于屬性比重相似性的兩步預(yù)測Top-N推薦算法。在MoiveLens數(shù)據(jù)集上的實(shí)驗(yàn)表明，算法能提高協(xié)