基于項目占比因子和群組貢獻度的推薦算法研究.pdf

1、近年來,信息技術(shù)不斷發(fā)展,互聯(lián)網(wǎng)絡技術(shù)在人們的生活中發(fā)揮著重要的作用。隨之產(chǎn)生的海量數(shù)據(jù)中存在著大量未被挖掘的信息,沒有有效工具的幫助,人們在尋找有效信息的過程中耗費了過多的成本。推薦技術(shù)正是在這樣的時代背景下產(chǎn)生的。由于它能夠準確分析用戶特性,主動推薦用戶興趣,挖掘用戶潛在愛好,深受使用者推崇,并在諸多領(lǐng)域得到應用和推廣。傳統(tǒng)推薦算法存在用戶興趣變化、數(shù)據(jù)稀疏、可擴展性差、冷啟動等缺陷,對此,本文對傳統(tǒng)推薦算法進行改進。
　　推

2、薦算法的評分數(shù)據(jù)集過于稀疏,用戶間有效重合項目過少或存在一定量的包含關(guān)系,同時由于用戶興趣會隨著時間的變化而變化,最終導致推薦結(jié)果準確率低。本文提出了一種基于項目占比因子和時間衰減的協(xié)同過濾推薦算法(ITDCF),用于解決數(shù)據(jù)稀疏性問題和用戶興趣變化問題。通過分析近鄰用戶的興趣,預測目標用戶的興趣點,使得推薦算法在挖掘用戶潛在愛好上具有更高的針對性。項目占比因子方法將用戶間相似度進行放大處理,過濾出興趣更為一致的用戶,更準確的定位用戶興

3、趣。將時間衰減函數(shù)加入到評分預測中,減弱用戶以前的興趣點對當前興趣的影響,符合了用戶興趣隨時間變化的特點。實驗表明,本文所提的個性化推薦算法在預測評分準確性和項目推薦質(zhì)量方面具有更優(yōu)的結(jié)果。
　　由于個性化推薦忽略了社會化因素和群組特征,無法融合組內(nèi)成員偏好,為了得出盡可能滿足群體一致性社會活動的需求,更多學者開始關(guān)注組推薦技術(shù)。其推薦對象為多于一人的群組,通過發(fā)現(xiàn)群組、預測并融合群組偏好,實現(xiàn)組推薦。本文提出一種基于項目占比因子