個性化推薦系統(tǒng)的研究與應用.pdf

1、隨著信息時代的深入發(fā)展和互聯(lián)網(wǎng)經(jīng)濟的日益興起，信息量的規(guī)模以超乎想象的方式迅速增加，而日益增多的信息慢慢地將人們層層環(huán)繞，企圖將人們淹沒于信息的汪洋大海中。不過，順應時勢而生的個性化推薦系統(tǒng)將解救人們于信息世界的困惑中，使人們能夠按照自己的意愿和需求選擇自己想要的信息和其他東西。個性化推薦算法是個性化推薦系統(tǒng)的靈魂，它是實施個性化推薦的關鍵要素和重要保證。在眾多個性化推薦算法中，協(xié)同過濾推薦算法無疑是使用較為頻繁、應用較為成功的典例，它

2、使用用戶項目的評分數(shù)據(jù)，通過計算用戶之間和項目之間的相似性，找到相似鄰居并生成列表，然后從相似鄰居列表中選擇若干相似鄰居向用戶進行推薦。然而，由于用戶項目評分矩陣的稀疏性等因素的影響，協(xié)同過濾推薦的效果往往與用戶的期望有所差距。本文第三部分中對基于協(xié)同過濾的推薦與基于模型的Slope One推薦的性能進行了比較實驗，得出了基于協(xié)同過濾的推薦的準確率和召回率均比基于模型的Slope One的推薦算法的低，因此如何采取一些方法使采用協(xié)同過濾

3、進行推薦的準確率增大是一個值得研究的問題。主要針對運用協(xié)同過濾進行Top-N推薦時，如何設置相似鄰居數(shù)和推薦數(shù)來提高推薦的準確率以及隨著相似鄰居數(shù)和推薦數(shù)的改變，準確率和召回率兩個指標是如何變化的這兩個問題展開研究的。
　　本文通過實驗來進行這些問題的研究。首先讓相似鄰居數(shù)和推薦數(shù)相等，研究隨著推薦個數(shù)的增加，準確率、召回率所呈現(xiàn)的變化規(guī)律以及準確率取最大值的情況是什么，然后通過設置推薦個數(shù)，研究協(xié)同過濾算法在相似鄰居數(shù)逐步增大的

4、情況下的準確率和召回率是如何變化的，最后通過設置相似鄰居的個數(shù)，研究協(xié)同過濾算法在推薦個數(shù)不斷增大情況下的準確率和召回率是如何變化的。最終通過在MovieLens數(shù)據(jù)集上開展實驗，說明了準確率和召回率并不總是相互影響的，在某種條件下，它們可以同時增大或減小，可以同時達到最大值或最小值。此外，準確率達到最大值的情況和準確率、召回率兩者隨推薦數(shù)或相似鄰居數(shù)改變而變化的趨勢在基于用戶的協(xié)同過濾和基于項目的協(xié)同過濾這兩種推薦算法下的結果也有所不