結(jié)合信任模型的協(xié)同過濾推薦系統(tǒng)研究與實現(xiàn).pdf

1、當(dāng)今，網(wǎng)絡(luò)中充斥著各種各樣的信息，信息過載問題日益嚴(yán)重。對于普通的網(wǎng)絡(luò)用戶而言，很容易被復(fù)雜的信息所干擾，使得他們需要花費(fèi)成倍的時間以及精力去尋找自己需要的信息。而推薦系統(tǒng)為信息過載問題提供了一種有效的解決方法，它能夠針對用戶的特點(diǎn)為其提供個性化的推薦服務(wù)。推薦系統(tǒng)根據(jù)不同的應(yīng)用需求使用的推薦算法不同，其中協(xié)同過濾推薦是目前最為流行并且實用的一種推薦技術(shù)。在本文中對現(xiàn)有基于信任的協(xié)同過濾推薦算法進(jìn)行研究和改進(jìn)，最后設(shè)計并實現(xiàn)了一個結(jié)合多

2、算法電影推薦系統(tǒng)。
　　本研究主要內(nèi)容包括：①對推薦系統(tǒng)進(jìn)行深入研究，分析其概念構(gòu)成、評估標(biāo)準(zhǔn)等。對幾種常用的推薦算法的流程、特點(diǎn)進(jìn)行重點(diǎn)分析。②傳統(tǒng)的協(xié)同過濾推薦存在數(shù)據(jù)稀疏性問題，這在很大程度上影響了推薦結(jié)果的準(zhǔn)確性。在本文中將信任關(guān)系與協(xié)同過濾推薦相結(jié)合，通過用戶之間的信任關(guān)系擴(kuò)充用戶最近鄰集合，從而緩解數(shù)據(jù)稀疏性問題。③使用MovieLens數(shù)據(jù)集來對改進(jìn)的算法進(jìn)行實驗，然后將實驗的結(jié)果與現(xiàn)有的一些協(xié)同過濾算法進(jìn)行比較，以