遷移社交網(wǎng)絡(luò)的交叉推薦算法研究與實(shí)現(xiàn).pdf

1、推薦系統(tǒng)被認(rèn)為是大數(shù)據(jù)時代最有效的信息過濾技術(shù)。個性化推薦不僅在商業(yè)領(lǐng)域產(chǎn)生了巨大的經(jīng)濟(jì)價值,同時也具有重要的社會意義。雖然個性化推薦技術(shù)在學(xué)術(shù)和工業(yè)界取得了顯著的成果,但是當(dāng)前的推薦系統(tǒng)仍然面臨兩個瓶頸問題:數(shù)據(jù)稀疏性問題和“冷啟動”問題。交叉推薦利用遷移學(xué)習(xí)與目標(biāo)推薦系統(tǒng)類似的系統(tǒng)數(shù)據(jù)的“知識”,成為了解決這兩大難題的新思路。
　　本文從交叉用戶的行為出發(fā),對經(jīng)典的協(xié)同過濾算法和交叉推薦算法進(jìn)行了改進(jìn),研究了數(shù)據(jù)域特征對交叉推

2、薦算法的影響。具體研究工作如下:
　　1、提出一種基于協(xié)同過濾的交叉推薦算法。該算法的核心思想在于,將交叉用戶在輔助系統(tǒng)領(lǐng)域的行為信息作為“橋梁”,通過簡單耦合交叉用戶的相似度,將輔助系統(tǒng)領(lǐng)域的“知識”遷移到目標(biāo)推薦系統(tǒng)當(dāng)中,從而充實(shí)目標(biāo)系統(tǒng)的用戶信息,幫助該目標(biāo)系統(tǒng)完成推薦工作。通過真實(shí)數(shù)據(jù)集上的仿真實(shí)驗(yàn),結(jié)果表明該算法較經(jīng)典的推薦算法在準(zhǔn)確率方面有一定的提升作用。
　　2、實(shí)現(xiàn)了一種遷移交叉用戶的交叉推薦算法。該算法將目

3、標(biāo)和輔助系統(tǒng)領(lǐng)域的數(shù)據(jù)進(jìn)行簡單混合,再通過遷移學(xué)習(xí)這些系統(tǒng)領(lǐng)域中共享的用戶打分模式,幫助目標(biāo)系統(tǒng)領(lǐng)域進(jìn)行推薦。本文實(shí)現(xiàn)了該算法,并在有交叉用戶的輔助域和目標(biāo)域數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),對推薦效果的準(zhǔn)確性進(jìn)行驗(yàn)證。通過和傳統(tǒng)方法對比,說明了此方法在提升推薦準(zhǔn)確性方面有一定的有效性。
　　3、提出了兩種選擇合適輔助域的度量指標(biāo)。分別從用戶打分分布和交叉用戶的影響兩方面考慮,提出了KL散度和用戶置信度兩個指標(biāo),對輔助域特征進(jìn)行刻畫。通過在真實(shí)數(shù)