基于分類的推薦系統(tǒng)優(yōu)化方法研究.pdf

1、協(xié)同過濾和潛在因子模型是推薦系統(tǒng)中應用最成功的技術，它可以給用戶建模，并向用戶推薦其感興趣的物品。然而數(shù)據(jù)稀疏問題和冷啟動問題在現(xiàn)實場景中經(jīng)常出現(xiàn)，潛在因子模型在這些場景中推薦效果很差。雖然研究人員提出社會化推薦模型把用戶的社交網(wǎng)絡信息引入到協(xié)同過濾模型中，在用戶冷啟動問題上有一定的作用，但是無法解決物品的冷啟動問題。
　　為解決推薦系統(tǒng)中的物品冷啟動問題，提出了基于分類的推薦模型。物品的分類是人們對于物品公認的標簽信息，它可以用

2、來緩解推薦系統(tǒng)中物品的冷啟動問題。針對基于協(xié)同過濾的矩陣分解，提出基于分類的矩陣分解模型，該模型把物品分類信息整合到矩陣分解模型中。通過構造用戶對分類的評分矩陣，在預測對物品評分時把用戶對物品所屬分類的評分作為線性加權的一部分。在社會化推薦中，提出了基于分類的社會化推薦模型，該模型把分類信息、用戶的社交網(wǎng)絡信息融入?yún)f(xié)同過濾中。在預測用戶對物品的評分時，把用戶自身對物品的評分、用戶好友對物品的評分和用戶對分類的評分進行線性加權。