基于關(guān)系和內(nèi)容的推薦算法研究.pdf

1、互聯(lián)網(wǎng)的內(nèi)容已經(jīng)進(jìn)入富信息時代，網(wǎng)絡(luò)上的數(shù)據(jù)、知識、商品、好友關(guān)系、甚至是微博或者帶有用戶信息的移動智能手機都囊括了大量的可用信息，而對于用戶個體來說，卻很難在海量的信息中找到對自己有價值的。
　　在這樣的大背景下，推薦系統(tǒng)應(yīng)運而生，其目的就是從海量的數(shù)據(jù)中利用已有的選擇打分等過程或者相似性關(guān)系挖掘出個性化的對用戶有價值的信息，其本質(zhì)是信息過濾。
　　在日常生產(chǎn)生活中，也常常有推薦系統(tǒng)伴隨在身邊，比如電商網(wǎng)站上面的產(chǎn)品推薦，

2、或者微博上面的好友推薦等等。但這些推薦系統(tǒng)在工程上對時間以及復(fù)雜度進(jìn)行了妥協(xié)，所以可以看到推薦的結(jié)果有時候并不盡如人意，對用戶來說僅僅是一個參考。在推薦系統(tǒng)研究領(lǐng)域，原始的信息可以分為用戶對產(chǎn)品的評價信息、產(chǎn)品本身的內(nèi)容信息、用戶本身的標(biāo)簽信息等等。用戶本身的標(biāo)簽信息往往很難得到，所以一般的推薦系統(tǒng)算法會用到前面提到的兩類原始信息。諸如經(jīng)典的協(xié)同過濾算法，用到的就是用戶對產(chǎn)品的評價信息，在深入研究中，發(fā)現(xiàn)協(xié)同過濾基于相同口味的用戶會喜歡

3、同一類商品這一假設(shè)，看上去似乎很有道理，但推薦系統(tǒng)有一個目的就是個性化，該假設(shè)只會推薦熱門的商品，而冷門的優(yōu)質(zhì)商品將越來越得不到推薦，所以以上的假設(shè)大部分時間是適用的，但不能解決所有的問題。而在另一些推薦算法中，有使用產(chǎn)品本身內(nèi)容信息的，其思想是用戶對某一類產(chǎn)品感興趣，那用戶對這一類中其他商品也會感興趣，同樣，思想是正確的，但在解決所有的問題上并不能完全適用。
　　針對這些問題，本文想到了聯(lián)合已有的原始信息，組合起來并以一個數(shù)據(jù)模

4、型來表示，再在模型上使用推薦系統(tǒng)算法，從而能夠聯(lián)合現(xiàn)有的經(jīng)典假設(shè)，完成各種情況下的推薦。本文共實驗了兩個推薦算法，分別是重啟隨機游走算法和邏輯回歸算法，通過算法自然選擇用戶的各種喜好情況，從而完成推薦。本文使用了CiteULike網(wǎng)站上的數(shù)據(jù)集，其網(wǎng)站是一個論文查詢引用網(wǎng)站，并保存有用戶的引用論文，從而很好的匹配了本文需要的實驗數(shù)據(jù)。
　　在推薦結(jié)果評估算法上，本文使用了Top N的Precision、Recall，以及整體的MA