推薦系統(tǒng)中多樣性和新穎性算法研究.pdf

1、信息技術和互聯(lián)網(wǎng)的發(fā)展使得網(wǎng)絡中的數(shù)據(jù)呈爆炸式增長，互聯(lián)網(wǎng)大數(shù)據(jù)在記載大量用戶信息和行為軌跡的同時，也帶來信息過載問題。在這樣的背景下，如何快速發(fā)現(xiàn)感興趣的物品和信息，成為普通用戶和互聯(lián)網(wǎng)信息提供商共同面對的挑戰(zhàn)。推薦系統(tǒng)，根據(jù)用戶訪問物品的歷史記錄構建用戶的興趣模型，實現(xiàn)給用戶推薦可能感興趣的物品列表，已經(jīng)成為信息過濾和檢索最受關注的熱點技術。目前，推薦系統(tǒng)盡管已經(jīng)取得了較多研究成果，但依然面臨諸多挑戰(zhàn)。其中，如何保證推薦準確性的前提

2、下提高推薦的多樣性和新穎性是亟待解決的課題。
　　本文針對推薦的多樣性和新穎性問題展開研究。首先，融合人口統(tǒng)計屬性計算用戶相似度，在此基礎上，對用戶聚類，給出物品的類內(nèi)流行度，最終提出兩種融合人口統(tǒng)計屬性的協(xié)同過濾算法——面向準確性的協(xié)同過濾改進算法和面向多樣性的協(xié)同過濾改進算法。其次，基于鄰居多樣性，提出了一種改進的協(xié)同過濾算法。通過修改鄰居的多樣性來提高推薦多樣性和新穎性，并研究鄰居多樣性對推薦多樣性和新穎性的影響。最后，通過

3、構建用戶個性化度和興趣廣度指標來量化用戶偏好物品的度分布，并在選擇鄰居時考慮用戶間的偏好分布差異，基于此提出了一種融合用戶偏好分布差異的推薦算法。Movielens數(shù)據(jù)集上的實驗結果表明，改進的算法能夠在保證推薦準確性的前提下提高推薦的多樣性和新穎性。
　　推薦系統(tǒng)的多樣性和新穎性是衡量推薦質(zhì)量的重要指標。本文在保證推薦準確性的前提下，從三個不同的角度——融合用戶人口統(tǒng)計屬性、多樣化鄰居以及考慮用戶偏好物品的度分布出發(fā)，基于改進的