針對(duì)冷啟動(dòng)的分布式協(xié)同過(guò)濾推薦系統(tǒng)的研究.pdf

1、協(xié)同過(guò)濾推薦技術(shù)能夠根據(jù)用戶(hù)的歷史評(píng)價(jià)信息數(shù)據(jù)，預(yù)測(cè)出用戶(hù)對(duì)目標(biāo)對(duì)象的潛在興趣值，并以此為依據(jù)提供為目標(biāo)用戶(hù)推薦其感興趣的內(nèi)容。傳統(tǒng)的協(xié)同過(guò)濾推薦技術(shù)隨著預(yù)測(cè)數(shù)據(jù)規(guī)模的持續(xù)增長(zhǎng)，面臨著數(shù)據(jù)稀疏性、冷啟動(dòng)和計(jì)算可擴(kuò)展性等問(wèn)題，導(dǎo)致協(xié)同過(guò)濾推薦算法的效果和效率都下降，進(jìn)而使得用戶(hù)體驗(yàn)嚴(yán)重失衡。
　　本文針對(duì)協(xié)同過(guò)濾推薦算法中數(shù)據(jù)稀疏性質(zhì)的冷啟動(dòng)問(wèn)題進(jìn)行了深入的研究，具體工作包括如下三個(gè)方面的內(nèi)容：
　　1、提出了基于標(biāo)簽技術(shù)與兩

2、方向聚類(lèi)的協(xié)同過(guò)濾推薦算法。算法先利用聚類(lèi)后的標(biāo)簽以及標(biāo)簽與項(xiàng)目的關(guān)聯(lián)關(guān)系進(jìn)行目標(biāo)內(nèi)容的評(píng)分預(yù)測(cè)；再通過(guò)計(jì)算目標(biāo)內(nèi)容的類(lèi)別概率，將用戶(hù)和內(nèi)容劃分到多個(gè)類(lèi)別中，然后在每個(gè)類(lèi)別中對(duì)未評(píng)分內(nèi)容進(jìn)行預(yù)測(cè)填充；最后，算法依據(jù)內(nèi)容相似度計(jì)算方法為用戶(hù)推薦目標(biāo)對(duì)象。
　　2、設(shè)計(jì)并實(shí)現(xiàn)了分布式框架中的聚類(lèi)算法和推薦算法。聚類(lèi)算法和推薦算法是本文提出的方法中的兩個(gè)關(guān)鍵內(nèi)容。在推薦算法中，這兩個(gè)算法非常消耗系統(tǒng)資源，本文應(yīng)用 MapReduce框架