個性化推薦系統(tǒng)算法研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們將大量工作轉(zhuǎn)移到網(wǎng)上進(jìn)行，網(wǎng)絡(luò)購物、網(wǎng)上辦公、網(wǎng)上學(xué)習(xí)等成為常態(tài)，致使互聯(lián)網(wǎng)信息數(shù)據(jù)量呈指數(shù)級增長，從而產(chǎn)生所謂的“信息過載”現(xiàn)象。信息過載為人們從廣闊的互聯(lián)信息空間中尋求自己所感興趣的信息資源帶來巨大困難，在某種程度上已經(jīng)日益制約著信息社會的快速發(fā)展。個性化推薦系統(tǒng)正是在這樣的背景下應(yīng)運而生，通過挖掘用戶和項目之間的二元關(guān)系，幫助用戶從海量的信息空間中尋找其感興趣的東西（如商品、新聞信息、服務(wù)等），并針對

2、不同的用戶生成個性化的推薦列表以滿足其興趣偏好。
　　本研究對推薦系統(tǒng)產(chǎn)生的背景，以及推薦系統(tǒng)的研究現(xiàn)狀、常見的幾種相關(guān)的推薦算法作簡要闡述,對傳統(tǒng)推薦系統(tǒng)存在的不足作簡要分析。針對目前推薦系統(tǒng)廣泛存在的冷啟動問題和數(shù)據(jù)稀疏性問題，本文設(shè)計一種基于向量空間模型的個性化推薦系統(tǒng)，通過用戶主動提供訓(xùn)練數(shù)據(jù)與第三方賬號登錄兩種可選方式初始化用戶模型，解決用戶冷啟動問題；結(jié)合機器學(xué)習(xí)的思想，通過跟蹤用戶后期的上網(wǎng)行為動態(tài)學(xué)習(xí)用戶興趣偏好變