自適應(yīng)用戶的Item-based協(xié)同過濾算法研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的快速發(fā)展所產(chǎn)生的海量信息易造成信息過載問題,導(dǎo)致人們無法從這些海量信息中快速找到所需的信息。解決信息過載問題以幫助人們快速獲得所需信息已引起研究者的廣泛關(guān)注,各種推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)是一種為用戶提供個(gè)性化信息服務(wù)的系統(tǒng),其核心是推薦算法,而協(xié)同過濾算法作為目前應(yīng)用最成功的推薦算法之一,成為推薦系統(tǒng)領(lǐng)域的一個(gè)重要研究方向。雖然在協(xié)同過濾算法的基礎(chǔ)上衍生出了許多改進(jìn)算法,但仍存在推薦質(zhì)量不高的問題。
　　本文在協(xié)同過

2、濾算法及其改進(jìn)算法的基礎(chǔ)上,對Item-based協(xié)同過濾算法的項(xiàng)目相似性度量方法及評分預(yù)測方法進(jìn)行修正,以更準(zhǔn)確地預(yù)測用戶對未知項(xiàng)目的評分,從而提高推薦質(zhì)量。
　　論文的主要工作包括:
　?、賹ν扑]系統(tǒng)的發(fā)展歷程、組成結(jié)構(gòu)、評價(jià)指標(biāo)以及相關(guān)技術(shù)進(jìn)行了介紹,重點(diǎn)對協(xié)同過濾推薦技術(shù)的原理、分類及存在的問題進(jìn)行了分析與總結(jié)。
　?、趥鹘y(tǒng) Item-based協(xié)同過濾算法在預(yù)測目標(biāo)用戶對未知項(xiàng)目的評分時(shí),忽略了目標(biāo)用戶的評分

3、習(xí)慣對推薦效果的影響,導(dǎo)致評分預(yù)測準(zhǔn)確性差。本文將目標(biāo)用戶的評分習(xí)慣引入到評分預(yù)測階段,提出了一種改進(jìn)的評分預(yù)測方法。
　?、厶岢隽俗赃m應(yīng)用戶的Item-based協(xié)同過濾算法。由于傳統(tǒng)Item-based協(xié)同過濾算法計(jì)算項(xiàng)目間相似性時(shí),將每個(gè)共同評分用戶(對兩個(gè)項(xiàng)目都評過分的用戶)對項(xiàng)目的評分視為同等重要,忽略了共同評分用戶與目標(biāo)用戶的相似性對項(xiàng)目間相似性的影響,導(dǎo)致與目標(biāo)項(xiàng)目相似性很高的項(xiàng)目在目標(biāo)用戶看來并不相似。本文所提算法