基于用戶行為的個(gè)性化推薦優(yōu)化方法研究.pdf

1、隨著電子商務(wù)和互聯(lián)網(wǎng)的發(fā)展普及，使得面向用戶的個(gè)性化推薦越來越被重視，準(zhǔn)確的推薦不僅僅能幫助用戶節(jié)省大量時(shí)間而且可以幫助電子商務(wù)網(wǎng)站贏得用戶的關(guān)注，進(jìn)而提高電子商務(wù)網(wǎng)站的銷量。然而不同用戶的背景不同，對(duì)推薦結(jié)果的期望也不同，因此需要從多個(gè)角度挖掘用戶隱藏的信息，更好的為用戶給出個(gè)性化的推薦。本文研究基于用戶的潛在行為以及社交關(guān)系發(fā)掘用戶的偏好，從以下方面優(yōu)化用戶個(gè)性化推薦:研究用戶行為時(shí)效特征以及用戶行為和偏好的關(guān)系，并提升預(yù)測(cè)用戶偏好

2、的效率;研究網(wǎng)頁拓?fù)渑c網(wǎng)頁權(quán)重的關(guān)系，進(jìn)而優(yōu)化網(wǎng)頁排序，為用戶給出準(zhǔn)確的推薦;研究基于負(fù)向社交關(guān)系以及主題被推薦給用戶的概率特征為歷史信息非常稀少的非活躍用戶給出推薦，優(yōu)化基于負(fù)向社交關(guān)系和推薦主題概率特征的融合，為非活躍用戶給出準(zhǔn)確的推薦。提出以下方法優(yōu)化用戶的個(gè)性化推薦:(1)提出一種優(yōu)化基于行為感知的用戶個(gè)性化推薦方法，通過分析用戶的歷史訪問行為，建立映射用戶行為和偏好關(guān)系的隱馬爾可夫模型，并通過聚類減少優(yōu)化用戶參數(shù)的時(shí)間，得到一

3、種平衡準(zhǔn)確度和時(shí)間復(fù)雜度的個(gè)性化推薦方法。(2)提出基于網(wǎng)頁拓?fù)渥R(shí)別網(wǎng)頁異常排名的用戶推薦優(yōu)化方法，基于網(wǎng)頁拓?fù)渥R(shí)別異常提升網(wǎng)頁排名的行為，研究網(wǎng)頁拓?fù)鋵?duì)網(wǎng)頁權(quán)重值的提升效果，并通過網(wǎng)頁的鏈入權(quán)重值和鏈入網(wǎng)頁數(shù)量的關(guān)系識(shí)別網(wǎng)頁異常排名現(xiàn)象，為個(gè)性化推薦創(chuàng)造公正的網(wǎng)頁排名環(huán)境，進(jìn)而提高對(duì)用戶的個(gè)性化推薦質(zhì)量。(3)提出基于負(fù)向社交關(guān)系和泊松過程融合的非活躍用戶推薦優(yōu)化方法，由用戶間的初始負(fù)向社交關(guān)系和衰減傳遞系數(shù)矩陣擴(kuò)展用戶間的負(fù)向社交關(guān)