高質量推薦理由自動挖掘的研究.pdf

1、高質量推薦理由自動挖掘的研究問題是指在以用戶為中心的基礎上，在當今數據信息爆膨的背景下，以用戶盡量少參與的情況下提出的一種服務式推薦系統(tǒng)技術理論。高質量推薦理由自動挖掘系統(tǒng)是以用戶興趣數據信息為分析依據，相匹配出用戶對產品的喜好，進行的一種自主式個性化推薦服務，提高用戶的滿意度。
　　但是，在信息龐大的今天，為了解決傳統(tǒng)的推薦系統(tǒng)對暗信息的挖掘不明、對用戶興趣數據信息的匹配不清等問題，本文增加了機器學習的挖掘技術準確的掌握用戶興趣

2、動態(tài)變化，依據關聯規(guī)則技術不斷挖掘用戶新的興趣方向，給出高質量準確的推薦方案。結合國內外研究的基礎，提高推薦系統(tǒng)的準確性，本文主要從以下幾點來深入研究：
　　第一，詳細介紹了目前傳統(tǒng)的高質量推薦系統(tǒng)的研究背景、實現內容和與此相關的推薦算法的技術理論，以及本文在傳統(tǒng)推薦系統(tǒng)的基礎上要深入研究的重點內容。
　　第二，本文在綜合各種推薦算法的基礎上加以組合，應用數據挖掘技術中的關聯規(guī)則對用戶感興趣產品進行挖掘，以分類規(guī)則對用戶進行

3、分類并且依據準確率和召回率來預測用戶興趣度，最大程度上實現推薦的準確度。
　　第三，在用戶建模上，采集用戶行為記錄作為判斷依據，分析屬性影響因子對推薦準確性和高質量性的影響，提出“特定人群”信息采集與“正常人群”的信息特殊性。
　　第四，根據用戶興趣信息的準確反饋和對用戶興趣數據信息采集的準確性，對用戶興趣模型的及時更新，挖掘用戶潛在的興趣方向，提高用戶對推薦產品的滿意度。
　　本文通過MATLAB實驗結果表明，高質量