推薦算法個性化關(guān)鍵技術(shù)研究.pdf

1、推薦系統(tǒng)是目前解決信息過載問題最為有效的技術(shù)之一，已經(jīng)被廣泛研究并應(yīng)用于工業(yè)界的各個領(lǐng)域，并產(chǎn)生了巨大的經(jīng)濟(jì)價值。已有的個性化推薦算法往往注重于使用單一模型來對所有用戶的潛在興趣進(jìn)行建模分析，然而，這種單一模型并不是“one-size-fit-all”的，其往往忽略了用戶個體之間的差異性對推薦性能的影響。針對該問題，本文將圍繞推薦算法個性化所涉及到的關(guān)鍵技術(shù)，分別從推薦算法參數(shù)個性化和推薦算法個性化兩個層面展開相關(guān)工作。首先，在考慮到用

2、戶偏好之間差異性的前提下，基于原始的Slope One算法，提出了一種切實(shí)可行的參數(shù)個性化推薦算法（Slopeα算法），通過可調(diào)節(jié)斜率參數(shù)α來實(shí)現(xiàn)對不同用戶的合理推薦，以此來實(shí)現(xiàn)推薦算法在參數(shù)級別上的個性化。進(jìn)而，通過對用戶選擇偏好的分析，利用不同協(xié)同過濾算法所具有的特點(diǎn)，提出了一種基于協(xié)同過濾的算法個性化推薦方法，通過對用戶特征的分析來為不同用戶選擇最佳的推薦算法進(jìn)行推薦，從而初步實(shí)現(xiàn)了推薦算法在算法層面上的個性化。通過實(shí)驗(yàn)分析，驗(yàn)證

3、了所提兩種方法在推薦性能上的有效性，兩者的推薦精度都要優(yōu)于已有的單一推薦算法。
　　本文的主要工作如下：
　　1.針對已有的個性化推薦算法往往忽略了用戶差異性對推薦性能的影響，提出了一種基于Bi-Polar Slope One算法的參數(shù)個性化推薦方法，以實(shí)現(xiàn)推薦算法在參數(shù)級別上的個性化。該算法引入了可以調(diào)整的斜率參數(shù)α，通過對用戶評分偏好差異性的研究，為每個用戶選擇不同的算法參數(shù)。實(shí)驗(yàn)結(jié)果表明算法的準(zhǔn)確度得到有效提升，MAE

4、和RMSE值最高分別降低2.74％和1.42%，而且個性化參數(shù)的最優(yōu)值隨著數(shù)據(jù)集的增長能保持一定的穩(wěn)定性。
　　2.針對不同推薦算法具有不同的特點(diǎn)，對于不同用戶的適用性不同，單一算法并不能滿足所有用戶需要的缺點(diǎn)，區(qū)別于已有的個性化推薦是使用特定算法對所有用戶的潛在興趣進(jìn)行建模，本文對用戶行為模式和不同推薦算法的特點(diǎn)進(jìn)行挖掘，提出了一種基于UCF和ICF的算法個性化推薦方法，用來實(shí)現(xiàn)推薦系統(tǒng)在算法層面的個性化。實(shí)驗(yàn)結(jié)果驗(yàn)證了新算法的