基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)并融合上下文感知信息的推薦系統(tǒng)研究與實(shí)現(xiàn).pdf

1、由于網(wǎng)絡(luò)的飛速發(fā)展，越來(lái)越多的國(guó)內(nèi)外學(xué)者開(kāi)始研究個(gè)性化推薦系統(tǒng)。推薦系統(tǒng)的重要組成部分即是推薦算法，當(dāng)前，已經(jīng)提出多種推薦算法，如基于內(nèi)容、基于協(xié)同過(guò)濾及基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法等。其中二部圖網(wǎng)絡(luò)結(jié)構(gòu)推薦算法與物品的類型沒(méi)有關(guān)系，主要依據(jù)用戶與物品的選擇與否來(lái)進(jìn)行推薦，而且命中率較高，因此越來(lái)越受到廣泛應(yīng)用。然而，現(xiàn)有的推薦算法仍然存在某些問(wèn)題，本文針對(duì)這些問(wèn)題進(jìn)行深入研究并做出以下改進(jìn):
　　首先，本文針對(duì)傳統(tǒng)的二部圖網(wǎng)絡(luò)結(jié)

2、構(gòu)推薦算法對(duì)二部圖邊的權(quán)值計(jì)算做了改進(jìn)，提出一種加權(quán)的方法，將權(quán)值設(shè)為用戶對(duì)物品的等級(jí)評(píng)分值。與原算法相比，加權(quán)后的推薦算法將用戶的顯式評(píng)分值融入到了二部圖的資源分配過(guò)程中，使用戶評(píng)分較高的物品優(yōu)先被推薦。
　　其次，針對(duì)用戶和物品組成的網(wǎng)絡(luò)結(jié)構(gòu)會(huì)隨著網(wǎng)絡(luò)上用戶與物品數(shù)量的增長(zhǎng)越來(lái)越復(fù)雜，導(dǎo)致算法的運(yùn)行時(shí)效性差這一問(wèn)題，本文引進(jìn)了用戶最近鄰概念。算法首先利用余弦相似度與修正的余弦相似度兩種方法計(jì)算出目標(biāo)用戶的前N個(gè)最近鄰，挖掘他們

3、的興趣從而分析目標(biāo)用戶的喜好。
　　在實(shí)際應(yīng)用中，推薦系統(tǒng)應(yīng)該依據(jù)用戶當(dāng)前的需求生成有差異的推薦列表展示給用戶，所以上下文感知信息開(kāi)始引起許多學(xué)者的重視，如今上下文感知信息已經(jīng)成功應(yīng)用于多個(gè)領(lǐng)域。由于本文提出的推薦算法只能按照用戶過(guò)去的行為給用戶推薦物品，不能代表這一時(shí)刻用戶想要的物品，因此將用戶心情的上下文感知信息加入到推薦算法中，根據(jù)當(dāng)前用戶的心情為用戶推薦符合的物品。
　　最后，通過(guò)實(shí)驗(yàn)對(duì)比，驗(yàn)證了對(duì)二部圖邊加權(quán)、加入