推薦算法研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)信息的發(fā)展，人們對信息資源的依賴程度越來越大，面對互聯(lián)網(wǎng)上的信息如此增長的今天，用戶如何在這么多信息中找出自己需要的信息是一個值得關(guān)注的問題。已經(jīng)有很多計算機(jī)科學(xué)家和計算機(jī)工程師提出了很多有效的解決方案，以此來解決信息過載的問題，其中最具有代表性的解決方案就是推薦系統(tǒng)。
　　網(wǎng)站一般會提供排行榜來向用戶推薦物品，使得用戶可以很方便地尋找到所需要的熱門物品，而對于用戶對非熱門（即長尾）物品的需求，卻不是一個排行榜可以滿足的

2、，推薦系統(tǒng)正是為了可以更好地挖掘非熱門而推出的。推薦系統(tǒng)通過向每一個用戶提供與之對應(yīng)的推薦列表，使用戶可以獲得自己感興趣的物品，這些物品不僅包括熱門物品還包括了長尾物品。為了給用戶提供準(zhǔn)確的推薦列表，需要充分研究用戶的興趣。
　　推薦算法作為個性化推薦系統(tǒng)的核心，比較常用的包括基于內(nèi)容的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法以及協(xié)同過濾推薦算法。協(xié)同過濾算法作為現(xiàn)在學(xué)術(shù)界和工業(yè)界應(yīng)用最為廣泛的推薦算法，一直被人們持續(xù)研究。
　　為

3、了解決協(xié)同過濾存在的問題，本文做了一些研究工作。首先，針對時間效應(yīng)對推薦效果產(chǎn)生的影響，本文提出了融合時間信息的協(xié)同過濾算法T-UserCF來進(jìn)一步提高協(xié)同過濾算法的準(zhǔn)確性，并設(shè)計了算法性能測試實驗來驗證T-UserCF算法的有效性。其次，為了解決協(xié)同過濾的可擴(kuò)展性問題，本文提出了一種增量式的協(xié)同過濾算法I-UserCF，以保證在不損失信息的情況下有效地降低推薦算法的運算量，減少時間開銷，也設(shè)計了算法性能測試實驗來驗證I-UserCF算