基于協(xié)同過濾技術(shù)的個性化推薦研究.pdf

1、在這個信息爆炸的時代,全球的數(shù)據(jù)量正在以驚人速度增長,信息過載問題愈加嚴重,推薦系統(tǒng)應(yīng)運而生。推薦系統(tǒng)通過收集用戶的興趣資料和個人信息,為用戶做出個性化推薦。在信息資源獲取無明顯差別情況下,推薦算法作為個性化推薦技術(shù)的核心,成為決定推薦系統(tǒng)好壞的關(guān)鍵。協(xié)同過濾技術(shù)是使用最廣泛的一種推薦技術(shù),但該技術(shù)仍然存在很多問題需要解決,比如:數(shù)據(jù)的高度稀疏性導致推薦性能下降;傳統(tǒng)的協(xié)同過濾算法只是分析靜態(tài)的數(shù)據(jù)而沒有考慮系統(tǒng)的時間動態(tài)變化因素導致推

2、薦的準確性不高等。
　　針對上述提出的問題,本文對基于協(xié)同過濾技術(shù)的個性化推薦進行深入研究。包括利用神經(jīng)網(wǎng)絡(luò)及信任關(guān)系改進協(xié)同過濾算法;分析推薦系統(tǒng)的動態(tài)變化特性以及協(xié)同過濾推薦的動態(tài)改進研究等。以下為本文重點研究內(nèi)容及創(chuàng)新之處:
　　1.概述基于協(xié)同過濾技術(shù)的個性化推薦的背景、意義以及研究進展;介紹個性化推薦相關(guān)的信息過濾技術(shù)以及數(shù)據(jù)挖掘技術(shù);分析常用的幾種協(xié)同過濾算法的推薦過程及各自的優(yōu)缺點;最后指出現(xiàn)在的推薦技術(shù)的挑戰(zhàn)

3、及研究熱點,為進一步研究提供理論依據(jù)。
　　2.提出一種基于神經(jīng)網(wǎng)絡(luò)解決協(xié)同過濾推薦數(shù)據(jù)稀疏性的方法,使用廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN,通過訓練網(wǎng)絡(luò)模型并進行評分預(yù)測,對稀疏的數(shù)據(jù)進行完全填充,緩解協(xié)同過濾技術(shù)的數(shù)據(jù)高度稀疏性問題。
　　3.研究信任和傳統(tǒng)的相似性度量之間的關(guān)系,基于信任關(guān)系研究個性化推薦的模型,研究推薦過程中度量信任大小的方法?；谛湃嗡枷敫倪M傳統(tǒng)的評分預(yù)測公式,利用信任關(guān)系尋找最近鄰居并進行預(yù)測評分,最后通過