基于符號(hào)數(shù)據(jù)分析的混合推薦算法研究.pdf

1、信息社會(huì)中,互聯(lián)網(wǎng)產(chǎn)品在為用戶提供基本服務(wù)的同時(shí),已逐漸向著社會(huì)化、移動(dòng)化以及個(gè)性化的方向發(fā)展,社會(huì)化的典型代表是發(fā)展得如火如荼的SNS社交網(wǎng)絡(luò)服務(wù);移動(dòng)化幫助用戶實(shí)現(xiàn)隨時(shí)隨地網(wǎng)上瀏覽;個(gè)性化可以實(shí)現(xiàn)用戶的專屬需求。推薦系統(tǒng)作為個(gè)性化的實(shí)現(xiàn)手段,在電子商務(wù)、娛樂互動(dòng)等領(lǐng)域受到了高度關(guān)注,成為互聯(lián)網(wǎng)產(chǎn)品擺脫同質(zhì)化的一個(gè)重要方式。傳統(tǒng)基于內(nèi)容的推薦算法直觀易懂,卻存在過度特征化和領(lǐng)域單一化的問題;協(xié)同過濾技術(shù)可以實(shí)現(xiàn)項(xiàng)目的跨領(lǐng)域推薦,自動(dòng)化

2、程度高,卻受到數(shù)據(jù)稀疏性及冷啟動(dòng)等難題的影響。
　　本文結(jié)合兩種方法的優(yōu)點(diǎn),針對(duì)現(xiàn)有的混合推薦算法在處理海量數(shù)據(jù)時(shí)效率低下等問題,將符號(hào)數(shù)據(jù)分析方法加入到混合推薦算法中,提出兩種混合思路:第一、將基于內(nèi)容的推薦算法與user-based協(xié)同過濾算法進(jìn)行混合,用模態(tài)符號(hào)數(shù)據(jù)對(duì)用戶建模,引入模態(tài)符號(hào)數(shù)據(jù)的距離度量計(jì)算用戶模型間的相似性,同時(shí)加入用戶人口統(tǒng)計(jì)信息的相似性,由此形成用戶的綜合相似性,完成kNN推薦;第二、將基于內(nèi)容的推薦算

3、法與item-based協(xié)同過濾算法進(jìn)行混合,使用模態(tài)符號(hào)數(shù)據(jù)對(duì)項(xiàng)目建模,加入非負(fù)矩陣分解算法,對(duì)項(xiàng)目的特征矩陣進(jìn)行有效―平滑‖,以此為基礎(chǔ)計(jì)算項(xiàng)目之間的相似性,完成推薦。這兩種混合方法利用了基于內(nèi)容推薦算法的優(yōu)點(diǎn),使用項(xiàng)目及用戶的特征進(jìn)行相似性比較,從而有效避免了評(píng)分矩陣稀疏性帶來的影響,同時(shí)非負(fù)矩陣分解的算法也有效應(yīng)對(duì)了矩陣超高維及矩陣內(nèi)容稀疏的問題。
　　實(shí)驗(yàn)結(jié)果表明,本文提出的兩種基于符號(hào)數(shù)據(jù)的混合推薦算法與傳統(tǒng)的user