推薦系統(tǒng)框架模型及協(xié)同過濾算法研究.pdf

1、近年來隨著互聯(lián)網(wǎng)的快速發(fā)展和智能移動設備的增多，人類進入了信息過載時代，面對網(wǎng)絡上浩如煙海的信息，用戶查找真正符合自己興趣的信息變得十分困難。推薦系統(tǒng)能夠?qū)⒂脩粼诤Ａ康男畔⒅薪夥懦鰜恚墙鉀Q信息過載問題有效的技術手段之一，它通過分析用戶的歷史行為建立興趣模型來主動為用戶提供推薦服務，近年來推薦系統(tǒng)在研究和應用領域得到了廣泛的發(fā)展。
　　本論文主要進行了以下兩個方面的研究:
　　1、本論文針對冷啟動問題對推薦系統(tǒng)框架模型進行研

2、究?，F(xiàn)有冷啟動問題的解決方案一般是向新用戶推薦熱門物品，但這種解決方式向用戶提供的是粗粒度的個性化推薦。本論文結合現(xiàn)有的推薦系統(tǒng)框架模型和協(xié)作機制提出了一種基于協(xié)作的推薦系統(tǒng)框架，通過不同推薦系統(tǒng)之間的協(xié)作，對目標用戶的多源、異源數(shù)據(jù)進行融合，解決推薦系統(tǒng)冷啟動問題，從而提高推薦系統(tǒng)的準確性，為用戶提供主動的、透明的推薦服務。
　　2、本論文重點研究分析了推薦系統(tǒng)算法中的協(xié)同過濾算法，并對基于用戶的協(xié)同過濾算法進行了優(yōu)化:本論文設

3、計了用戶對物品屬性的偏好向量提取過程，結合已有的相似度衡量方式，將用戶對物品的偏好劃分為三個層次:屬性層次、行為層次和評分層次，提出了一種基于用戶偏好層次的協(xié)同過濾方法，并在評分數(shù)據(jù)集MoviveLens上進行了仿真，實驗結果表明無論是在評分預測還是Top-N預測中，利用本論文提出的優(yōu)化方法可以有效提高推薦結果的準確度。
　　通過對推薦系統(tǒng)框架模型的研究，緩解了傳統(tǒng)推薦系統(tǒng)的冷啟動問題，可以為推薦系統(tǒng)的實際運用提供模型支持;通過對