融合邊信息的協(xié)同過濾推薦算法研究.pdf

1、隨著計(jì)算機(jī)的普及以及互聯(lián)網(wǎng)的快速發(fā)展，越來越多的信息服務(wù)為用戶的日常生活帶來了便利，尤其是近年來智能手機(jī)的普及，使得用戶可以隨時(shí)隨地地在網(wǎng)絡(luò)中分享或者獲取信息。這些豐富的信息服務(wù)使得網(wǎng)絡(luò)上的信息資源呈現(xiàn)出了指數(shù)增長的趨勢，越來越多的信息充斥著網(wǎng)絡(luò)，導(dǎo)致了用戶在面對這些海量的數(shù)據(jù)時(shí)無法快速找到對自己真正有用的信息，即所謂的信息過載問題。為了使用戶能夠高效地獲取到自己需要的信息，以個性化推薦技術(shù)為代表的推薦系統(tǒng)應(yīng)運(yùn)而生。
　　作為目前

2、應(yīng)用最成功的個性化推薦技術(shù)，協(xié)同過濾推薦只需要根據(jù)用戶的歷史評分?jǐn)?shù)據(jù)就可以完成對用戶潛在興趣偏好的挖掘，具有應(yīng)用簡單、預(yù)測準(zhǔn)確度高等一系列優(yōu)點(diǎn)。但是，在推薦系統(tǒng)中越來越大的數(shù)據(jù)量、越來越復(fù)雜的數(shù)據(jù)類型使得傳統(tǒng)的協(xié)同過濾推薦算法遇到了越來越嚴(yán)重的問題。而在這些問題中，最難解決的當(dāng)屬數(shù)據(jù)稀疏問題。然而，在目前一些新的推薦場景中，除了用戶的歷史評分信息之外，還能夠獲取到豐富的用戶和物品的邊信息，這些邊信息能夠?yàn)槊枋鲇脩舻钠靡约拔锲返膶傩蕴峁?/p>

3、重要的信息，從而為緩解數(shù)據(jù)稀疏問題帶來了契機(jī)。
　　本文針對如何將邊信息融合到協(xié)同過濾算法中展開了深入細(xì)致的分析和探討，具體內(nèi)容如下:
　　(1)針對目前協(xié)同過濾推薦面臨的數(shù)據(jù)稀疏問題，本文提出了一個可以融合邊信息來提升推薦質(zhì)量的算法——“三體”協(xié)同過濾推薦算法，該算法將基于用戶的協(xié)同過濾推薦、基于物品的協(xié)同過濾推薦和基于模型的協(xié)同過濾推薦相結(jié)合。通過在隱語義模型的基礎(chǔ)上加入用戶和物品的約束平滑項(xiàng)，使相似的用戶或者相似的物品

4、具有高度相似的隱特征，通過實(shí)驗(yàn)證明改進(jìn)后的算法相比單獨(dú)的三個算法都具有較高的推薦質(zhì)量。
　　(2)結(jié)合三個現(xiàn)實(shí)中的推薦場景來對“三體”協(xié)同過濾推薦算法進(jìn)行說明。在傳統(tǒng)的電影推薦場景中，由于沒有有效的邊信息，則直接利用用戶評分矩陣來計(jì)算得到用戶之間和電影之間的相似度，并帶入“三體”協(xié)同過濾推薦算法中。在圖像推薦的場景中，圖像的視覺信息是一個重要的邊信息，本文通過VGG16網(wǎng)絡(luò)結(jié)構(gòu)來提取圖像的深層視覺特征，然后將基于視覺特征計(jì)算得到的