結(jié)合相似度量和反饋調(diào)節(jié)的推薦系統(tǒng).pdf

1、隨著信息技術(shù)的發(fā)展和互聯(lián)網(wǎng)的普及，人們不知不覺地進(jìn)入了信息過載的時代。作為處理信息過載的方法之一的推薦系統(tǒng)，因為能夠為用戶提供更好的個性化服務(wù)而成為值得研究的問題。它能夠在用戶沒有明確需求的情況下主動幫助用戶發(fā)現(xiàn)其感興趣的新內(nèi)容。
　　作為推薦系統(tǒng)核心的推薦算法，雖然以協(xié)同過濾算法的應(yīng)用最為廣泛，但在社交網(wǎng)絡(luò)興起后，以社交網(wǎng)絡(luò)為基礎(chǔ)的推薦系統(tǒng)逐漸成為新的研究熱點。在真實世界中，人們傾向于信任好友對產(chǎn)品的推薦，他們的喜好與其信賴的朋

2、友的喜好相似或受其影響。研究人員希望將社交網(wǎng)絡(luò)中信任關(guān)系引入到推薦中，來模擬真實世界中的推薦。
　　本文的研究工作如下:
　　(1)我們首先介紹推薦系統(tǒng)的研究現(xiàn)狀和相關(guān)工作，主要對協(xié)同過濾算法和基于社交網(wǎng)絡(luò)的算法進(jìn)行了描述，并分析現(xiàn)有工作中存在的問題。
　　(2)傳統(tǒng)的相似度量在沒有足夠歷史數(shù)據(jù)的條件下計算物品間或用戶間相似度時面臨問題和挑戰(zhàn)，為了探討這個問題，本文提出了一個新的相似度量方法，以更綜合客觀的角度計算相似

3、度。
　　(3)受困于社交關(guān)系數(shù)據(jù)的稀疏性，基于社交網(wǎng)絡(luò)的算法要去考慮網(wǎng)絡(luò)中信任度較弱的間接鄰居，有限相似的鄰居帶來了長尾噪音的干擾問題，降低了推薦精度。為了解決這一問題，本文設(shè)計一個合理的鄰居篩選方法，挑選出相似度較高的鄰居。
　　(4)已有算法都假設(shè)評分?jǐn)?shù)據(jù)是客觀真實的，而忽略了異常評分的存在可能。針對該問題，本文引入反饋調(diào)節(jié)機(jī)制，識別和修正異常評分項，提高推薦精度。
　　(5)本文設(shè)計并實現(xiàn)了一個結(jié)合相似度量和反