基于經(jīng)驗學習的自適應推薦算法研究.pdf

1、傳統(tǒng)的推薦算法一般主要利用用戶的一些瀏覽記錄、好友推薦等各種方式作為依據(jù)進行推薦。其主要目的是為了解決電子商務等領域信息過載的問題。但在實際應用中，一般作為輔助功能呈現(xiàn)，而主要的搜索算法大抵還是基于網(wǎng)頁內(nèi)容的排序索引。而在基于內(nèi)容的搜索的同時，進行盡可能個性化的推薦方案則寥寥無幾，其搜索質(zhì)量也存在很大的問題。如何結(jié)合以上兩點，是設計新的高質(zhì)量搜索排序算法的關鍵。
　　基于內(nèi)容搜索排序能夠在一定程度上代表文檔與用戶輸入語句的相關性。

2、推薦算法的思想認為，人們歷史的操作行為如用戶點擊等對后來用戶的選擇的指導推薦作用。本文在合理結(jié)合了以上兩點的優(yōu)點，提出了一種基于經(jīng)驗學習的自適應推薦算法IMUSE。本文的主要工作有:首先，通過用戶行為分析，提出對歷史用戶點擊數(shù)據(jù)的處理方法，即給出了對用戶點擊時效性和文檔熱度等良好的處理手段。其次，本文借鑒了基于內(nèi)容檢索和基于經(jīng)驗進行推薦兩個領域算法的優(yōu)點，提出了基于經(jīng)驗的搜索推薦算法。特別是考慮到查詢輸入的平衡等問題，并給出了良好的解決

3、方案。最終本文提出了一種自適應蟻群算法SAACO，將蟻群算法中的調(diào)參α、β放到粒子群算法中進行動態(tài)選擇。同時將該算法應用到搜索推薦算法的參數(shù)估計中，使得提出的推薦算法具備參數(shù)自適應設定的優(yōu)點。
　　本文對SAACO應用到IMUSE參數(shù)估計進行了實驗，并與大量實驗得出的結(jié)果進行了對比，實驗證明，參數(shù)估計的方法與實驗得出的結(jié)果基本相似。另外，本文選取了推薦算法領域評估指標準確率和搜索排序領域的權(quán)威評估方法nDCG作為對IMUSE算法性