基于多目標(biāo)優(yōu)化遺傳算法的加權(quán)混合推薦技術(shù)研究.pdf

1、伴隨互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)上的資源日益增多，并呈現(xiàn)出爆炸式的增長態(tài)勢。豐富的信息帶給我們便利的同時，也使得信息的精確查找變得越發(fā)困難。我們已正式步入了“信息過載”的時代，在這樣的背景下，推薦系統(tǒng)作為有效解決此問題的手段受到了越來越多的關(guān)注。
　　推薦系統(tǒng)是一種新型的專家系統(tǒng)，它通過分析用戶的歷史行為，幫助用戶查找其可能感興趣的事物，最后經(jīng)過一定的篩選排序?qū)⑼扑]結(jié)果反饋給用戶。雖然目前推薦算法已經(jīng)被應(yīng)用到很多領(lǐng)域，但發(fā)展還并不完善，

2、現(xiàn)實應(yīng)用中仍然存在推薦精度不高、冷啟動、數(shù)據(jù)稀疏性嚴(yán)重以及推薦實時性差等問題。在這種情況下，使用單一的推薦算法已經(jīng)顯得捉襟見肘，而能夠?qū)⒏魍扑]算法融合取長補短的混合推薦算法成為發(fā)展的必然趨勢。
　　為了有效解決推薦精度低的問題，本文以基礎(chǔ)推薦算法知識為基礎(chǔ)，以混合推薦算法為研究對象，以提高推薦精度為目的，進行了如下的工作：
　　1.研究并歸納了現(xiàn)有的混合推薦算法，并從中選定加權(quán)混合推薦算法作為研究重點。
　　2.為了更

3、智能的確定加權(quán)混合推薦算法中的加權(quán)系數(shù)，同時優(yōu)化推薦算法的多個指標(biāo)，引入了自然計算中的多目標(biāo)優(yōu)化遺傳算法，在此基礎(chǔ)上實現(xiàn)了新的加權(quán)混合推薦算法。
　　3.在MovieLens公開數(shù)據(jù)集上，對所涉及的傳統(tǒng)的協(xié)同過濾推薦算法及新的加權(quán)混合推薦算法進行了測試，實驗表明新的加權(quán)混合推薦算法在準(zhǔn)確率與召回率兩個指標(biāo)上獲得了明顯提升，從而驗證了算法思路的正確性。
　　4.針對IT書籍遴選困難的問題，本文基于LAMP環(huán)境搭建了一個簡易的I