基于多策略的電影推薦方法研究.pdf

1、在信息爆炸時代，互聯(lián)網(wǎng)為廣大用戶提供的資源數(shù)量迅速增長，但網(wǎng)絡在給用戶提供更多樣的資源的同時，也給用戶獲取真正感興趣的資源帶來困難。個性化推薦系統(tǒng)有針對性地向用戶推薦項目，減少用戶的查詢和過濾操作，可以提升用戶使用感受并且提高資源利用率，成為當今互聯(lián)網(wǎng)應用研究的熱點。
　　個性化推薦系統(tǒng)的核心是個性化推薦算法，其利用用戶過去的行為記錄以及項目本身的特點，預測用戶對項目的感興趣程度。目前研究和應用較多的算法為協(xié)同過濾方法和基于內(nèi)容的

2、方法，本文針對現(xiàn)有推薦方法中面臨的稀疏性、冷啟動且準確率低等問題，圍繞多策略電影推薦方法開展了相關研究工作，其主要工作內(nèi)容與成果說明如下:
　　1.提出一種基于網(wǎng)站相關推薦聚合和電影本體知識的電影推薦方法。首先利用電影屬性及影人屬性構建本體模型，通過用戶歷史記錄獲取用戶當前興趣模型，計算用戶對不同屬性的偏好權重。通過聚合技術獲取若干網(wǎng)站對用戶最近看過的電影的相關推薦作為待推薦電影源。利用SimRank方法和加權相似度計算電影與電影

3、或電影與用戶興趣模型之間的相似度，向用戶推薦電影。實驗結果證明，本方法推薦準確率在用戶個人推薦場景下較現(xiàn)有方法提高了約10％，且電影相關推薦比對比方法提高了11.4％;同時在一定程度上解決了稀疏性、冷啟動等問題。
　　2.提出一種基于對分網(wǎng)絡和用戶聚類的評分預測方法。首先將用戶對電影的行為記錄利用對分網(wǎng)絡來表示，通過對分網(wǎng)絡的路徑信息得到用戶之間的相似度，利用評分時間、評分差對相似度進行修正，挖掘用戶之間的關聯(lián)性。利用譜聚類算法將