基于用戶和資源權重的協(xié)同過濾推薦系統(tǒng)的研究與設計.pdf

1、隨著網(wǎng)絡的普及和信息服務的發(fā)展，信息服務系統(tǒng)在為用戶提供越來越多選擇的同時，其結構也變得更加復雜，用戶經(jīng)常會迷失在大量的信息空間中，無法順利找到自己所需要的信息。推薦系統(tǒng)可以根據(jù)用戶已有的記錄信息，對目標用戶所將感興趣的信息進行推薦，可以更方便的幫助用戶找到其所需的信息。隨著商業(yè)信息化的發(fā)展，推薦系統(tǒng)在信息服務系統(tǒng)中的應用越來越廣，所以提供準確而實時性的推薦系統(tǒng)將是加速當今信息產(chǎn)業(yè)化的重點目標。 推薦系統(tǒng)通過預測用戶對項目的喜好

2、程度來為用戶進行信息過濾，應用知識發(fā)現(xiàn)技術來生成個性化推薦。協(xié)同過濾是一種常用的減少信息過載的技術，已經(jīng)成為了個性化推薦系統(tǒng)的一種主要技術，然而現(xiàn)有大多數(shù)協(xié)同過濾算法存在著幾個主要問題：精確性，數(shù)據(jù)稀疏和冷啟動問題。許多結合協(xié)同過濾與基于內(nèi)容的信息過濾的算法可以解決這些問題，但是這些算法還不能很好的將用戶的興趣很好的表現(xiàn)出來，因此在很多時候推薦的結果并不能很好的滿足用戶的需要，而且在很多情況下，用戶的興趣是會隨著時間的推移而發(fā)生變化的，

3、所以，要想提高推薦的質(zhì)量，就必須將用戶的各個特征以及變化都相應的考慮進來；另外，不同的項目對于用戶來說，是具有不同的價值的，而這些價值是可以從用戶的評分信息中進行挖掘的。因此，資源本身的價值也可以成為對項目進行推薦的一個重要因素。 如何提高推薦質(zhì)量是本研究的目標，由于推薦質(zhì)量的精確性從很大程序上取決于近鄰用戶的選取，所以要提高推薦質(zhì)量，用戶相似性的精確度就必須得到提高，同時也是本研究的重點。本文的研究主要是在用戶信息相對完整的情

4、況下，將用戶的部分特征與資源權重相結合，提出了一種基于用戶和資源權重的推薦方法，在傳統(tǒng)的推薦方法上做了相應的改進。 本文所做的主要研究以及創(chuàng)新性主要體現(xiàn)在以下幾個方面： 1）根據(jù)用戶—項目評分表，建立相應的矢量空間模型，在本研究中主要包括用戶特征模型和用戶項目模型。 2）在傳統(tǒng)的協(xié)同過濾技術的基礎上，引入了時間函數(shù)f（t），考慮了用戶興趣變化對用戶間的相似性影響，并根據(jù)項目本身所體現(xiàn)的價值，設計出一個基于用戶特征

5、以及項目特征的算法，利用該算法計算出用戶間的相似性，形成相似用戶集。 3）根據(jù)相似用戶集中的用戶信息，使用改進的協(xié)同過濾算法對用戶未評分的項目進行評分預測，然后根據(jù)評分預算結果由高到低的順序向用戶推薦指定數(shù)量的項目。 本文的創(chuàng)新點主要是在傳統(tǒng)的協(xié)同過濾算法的基礎上，將用戶特征和資源權重相結合，對傳統(tǒng)的算法作了進一種改進，能更好的適應用戶興趣隨時間而發(fā)生的變化，并平穩(wěn)的考慮了資源自身的權重，對最終的預測有一定的提高。增強了