融合用戶屬性和興趣的最大熵推薦算法研究.pdf

1、電子商務(wù)為人們提供方便的同時，海量增長的商品信息卻讓用戶難以取舍，造成“信息過載”。由此，個性化推薦技術(shù)在電子商務(wù)活動中越來越受到重視，它可以在網(wǎng)絡(luò)上快速、準(zhǔn)確地向用戶推薦其可能感興趣的商品信息，為用戶提供便捷的推送服務(wù)，同時也增加了商品的購買概率，為商家?guī)砝?。協(xié)同過濾技術(shù)作為應(yīng)用最為廣泛與成功的推薦技術(shù)之一，受到研究者的廣泛關(guān)注，使用協(xié)同過濾技術(shù)為用戶提供高效的商品推薦服務(wù)，提高用戶在電子購物過程中的體驗滿意度有著重要的實際意義。

2、
　　本文對個性化推薦系統(tǒng)的多個方面進(jìn)行了研究分析，重點(diǎn)研究最大熵模型在推薦系統(tǒng)中的應(yīng)用，以此為基礎(chǔ)，建立了一種混合技術(shù)的協(xié)同過濾推薦模型。本文完成了下述具體研究工作：
　　第一，深入研究比較了幾種主要的推薦技術(shù)，其中包括推薦系統(tǒng)的基本組成結(jié)構(gòu)，各種主流推薦技術(shù)的實現(xiàn)方式，以及不同推薦技術(shù)自身的優(yōu)缺點(diǎn)，重點(diǎn)對協(xié)同過濾技術(shù)中常用算法給予詳細(xì)的分析說明，并且分析了協(xié)同過濾算法面臨的多種問題，以及當(dāng)前已有的一些改進(jìn)方法。
　

3、　第二，研究最大熵模型數(shù)學(xué)理論，并將最大熵模型應(yīng)用到個性化推薦中，得到一種全新的區(qū)別于傳統(tǒng)基于鄰居集合的協(xié)同過濾評分預(yù)測模型。在模型中，依靠用戶基本屬性信息和用戶的興趣信息作為評分分類依據(jù)，建立對項目評分分類的概率預(yù)測模型，模型在滿足所有特征約束條件下，分類概率具有最好的均衡性。
　　第三，研究將用戶的基本屬性信息融入到模型中，通過建立預(yù)測項目評分分類和用戶屬性之間的特征約束，使得在用戶評分信息不充分的情況下模型能夠提供穩(wěn)定的預(yù)測

4、結(jié)果。
　　第四，研究將用戶的興趣信息融入到最大熵模型中，本文中用戶的興趣表現(xiàn)為用戶對項目的評分，文中使用基于項目間評分最大相關(guān)的方法為預(yù)測項目選擇條件項目，建立基于用戶項目評分的特征約束，其中最大相關(guān)的計算方法引用了信息論中互信息的度量方法。
　　最后在 MovieLens數(shù)據(jù)集上，對本文算法進(jìn)行多方面的綜合測試，并與傳統(tǒng)的基于鄰居集合的協(xié)同過濾算法進(jìn)行對比分析，實驗結(jié)果顯示本文所提方法在預(yù)測未知用戶評分方面擁有更高的準(zhǔn)確