推薦系統(tǒng)中協(xié)同過濾技術的研究.pdf

1、Internet的高速發(fā)展正在把人類帶入一個信息爆炸的時代，海量信息在豐富了人類的物質和精神文明的同時也帶來了嚴峻的挑戰(zhàn)----用戶越來越難以在其中發(fā)現(xiàn)自己感興趣的信息。自從第一篇關于協(xié)同過濾的論文在20世紀90年代中期發(fā)表以來，推薦系統(tǒng)作為解決信息過載問題的有效途徑，現(xiàn)在成為了一個重要的研究領域。推薦系統(tǒng)中最重要的推薦技術是協(xié)同過濾技術，協(xié)同過濾技術通過建立用戶–物品的二元信息，利用用戶已有的歷史記錄或者相似性關系來挖掘每個用戶的潛在

2、感興趣對象。一些應用的例子包括出售CD，書籍雜志的電子商城Amazon.com,電影服務網(wǎng)站,郵件系統(tǒng)Tapestry,以及提供音樂服務的Ringo。目前，關于推薦系統(tǒng)國內(nèi)外學者研究的熱點問題主要有三個。①稀疏性問題(sparsityproblem)稀疏性問題是造成協(xié)同過濾推薦系統(tǒng)推薦質量下降的一個首要問題。協(xié)同過濾算法依靠用戶對物品的評價產(chǎn)生推薦。如果用戶對評價的物品數(shù)量有限，那么依靠已有的信息難以產(chǎn)生精確的推薦，這就是協(xié)同過濾系統(tǒng)的

3、所遇到的數(shù)據(jù)稀疏性問題。②冷啟動問題(coldstartproblem)冷啟動問題也是協(xié)同過濾推薦算法的一個經(jīng)典問題。廣義的冷啟動問題包括項目冷啟動和用戶冷啟動。無論是項目冷啟動還是用戶冷啟動問題，都是由于用戶的評價行為不夠充分產(chǎn)生的，根源來自于數(shù)據(jù)的稀疏性問題。③偏見的問題。用戶的態(tài)度是存在偏見的，而且這種偏見有著巨大的影響，如何能合理的挖掘用戶的偏見并且用于興趣的建模也是個新興的領域。針對上述問題，本文對于基于協(xié)同過濾的推薦系統(tǒng)的推

4、薦系統(tǒng)展開了研究，分析了可信度的度量，用戶的冷啟動問題以及偏見問題，本文的主要工作和貢獻為:
　　 ⑴分離可信度和相似度，提出可信度的度量方式，并且據(jù)此提出專家節(jié)點的概念。并且研究了專家節(jié)點對可信度的影響方式，據(jù)此提出了基于專家節(jié)點的可信度作用方式，應用于實驗?？尚哦群拖嗨贫确蛛x以及專家節(jié)點的提出，為本文對稀疏性，冷啟動和偏見的研究奠定了基礎。
　　 ⑵提出了基于專家節(jié)點運用決策樹的用戶冷啟動方式，每一步提問都將影響下一