基于行為模型的個性化推薦.pdf

1、隨著時代的發(fā)展,互聯(lián)網(wǎng)已滲透到人們學習工作與生活的各個領(lǐng)域,成為了當今資料最多的龐大的開放的資源庫。如何從這些數(shù)據(jù)中挖掘出有含金量的信息,成為了人們研究的一大課題。個性化信息推薦是近年來隨著數(shù)據(jù)挖掘技術(shù)日益成熟應(yīng)運而生的一個新興研究領(lǐng)域,它根據(jù)用戶的訪問行為,研究分析得出用戶的喜好,從而在用戶訪問Web站點的過程中為其提供個性化信息推薦服務(wù),進而提高用戶的滿意度與忠誠度。
　　論文通過研究用戶的行為序列,與傳統(tǒng)的協(xié)同過濾算法結(jié)合,

2、設(shè)計出一種改進的個性化推薦算法模型。該模型通過比較用戶的行為序列相似度挑選出目標用戶的相似行為用戶集,進而利用協(xié)同過濾中最近鄰算法的思想,根據(jù)用戶間的相似度為用戶對目標項的評分作預測,進而對用戶進行個性化推薦。論文中采用Movielens以及盛大起點中文網(wǎng)用戶閱讀書籍的數(shù)據(jù)作為數(shù)據(jù)集,對算法進行測試與訓練。針對Movielens數(shù)據(jù)集,論文進行了幾種不同算法的比較,從中選出推薦效果最優(yōu)的算法。針對起點中文網(wǎng)書籍瀏覽數(shù)據(jù)集,論文利用Mov