基于隱語義的混合推薦算法研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的快速發(fā)展，用戶每天上網(wǎng)都會(huì)面臨巨大的信息量，這就導(dǎo)致出現(xiàn)了信息過載。為了解決信息過載，最早出現(xiàn)的是搜索引擎。但是人們慢慢發(fā)現(xiàn)搜索引擎無法滿足人們的個(gè)性化需求，在此情況下，個(gè)性化推薦系統(tǒng)得以發(fā)展起來。科研界人員和工業(yè)界人員在過去的一段時(shí)間，付出了大量的時(shí)間和經(jīng)歷著手解決此問題，以使得人們的網(wǎng)上生活變得更加便捷。但是當(dāng)前個(gè)性化推薦技術(shù)距離滿足人們的需求還有一大截的距離，還有很大的提升空間。
　　從推薦算法的原理出發(fā)，給

2、出了推薦系統(tǒng)算法的分類:基于內(nèi)容的推薦算法、基于協(xié)同過濾的推薦算法以及混合推薦算法。本文分析了各種推薦算法的優(yōu)點(diǎn)和缺點(diǎn)，并給出了一種基于隱語義的混合算法，用于提高推薦效果。本文的主要工作如下:
　　(1)給出了推薦系統(tǒng)的產(chǎn)生原因、當(dāng)前工業(yè)界和學(xué)術(shù)界對(duì)推薦算法的研究狀況和各種常用的推薦算法。
　　(2)給出了推薦系統(tǒng)中的隱語義模型，隱語義模型借助隱特征空間將用戶和物品聯(lián)系起來，隱特征空間能夠很好的表達(dá)用戶興趣和物品信息屬性，比

3、傳統(tǒng)的推薦算法效果好。
　　(3)使用譜聚類得到用戶隱類和物品隱類。借助原始評(píng)分?jǐn)?shù)據(jù)矩陣進(jìn)行投票從而得到用戶隱類和物品隱類的關(guān)系權(quán)重矩陣。這樣大大降低了原始評(píng)分?jǐn)?shù)據(jù)的維度，提高了效率。綜合隱語義模型和隱類關(guān)系提出了一種新的混合推薦算法，并使用人工神經(jīng)網(wǎng)絡(luò)對(duì)混合推薦算法中的參數(shù)進(jìn)行優(yōu)化，實(shí)驗(yàn)證明此混合推薦算法改善了推薦效果。
　　(4)在評(píng)分矩陣中一般將空的評(píng)分記錄設(shè)置為O，這樣是不合理的。本文分別從用戶和物品的角度出發(fā)，給出