基于協同過濾的網絡學習個性化推薦技術的研究.pdf

1、隨著計算機網絡技術地快速發(fā)展，網絡上的信息量與日俱增，用戶往往會感覺不知所措，在大量的學習資料中找到自己的需求也越來越難，這也引起許多學者和專家們對這個網絡問題的研究，個性化推薦系統便應運而生。
　　協同過濾推薦技術是個性化推薦系統中最為成功的技術，它是利用用戶對項目評分的數據，以用戶之間或者項目之間相互協作的方式來產生推薦。由于信息不斷膨脹，協同過濾推薦技術也存在很多問題，比如評分數據的稀疏性、精確性等問題，這也是因為學者只把眼

2、光定在了用戶顯式評分部分，卻忽略了用戶瀏覽學習網站時的行為習慣，即一些隱式的信息，比如被訪問網站的屬性、用戶訪問的時長、用戶訪問次數、用戶對頁面的點擊率等。本文主要針對數據的稀疏性和精確性問題展開了研究，具體內容包括：
　?。?）為了提高用戶之間的相似性，以增強推薦結果的精確度，本文提出了基于加權信息熵的相似性度量方法。該方法主要是把信息熵引入到協同過濾相似度量領域中，利用用戶的訪問網站時長作為隱式評分的依據，然后以用戶的評分差平

3、方和學習圈交集大小作為權重，再結合信息熵公式計算出用戶之間的熵值，由于熵值取值范圍為0到正無窮，所以本文利用高斯公式對其進行了歸一化，把范圍控制在0到1之間，這樣可使結果集中，便于分析。
　?。?）為了解決數據的稀疏性問題，本文提出了基于用戶隱式特征的協同過濾算法。該算法首先從網絡學習網站的日志文件中提取出用戶訪問網站的基本信息，并以網站的類型作為依據，對用戶興趣進行分類；在每一類中以用戶的訪問時長和訪問次數作為隱式評分，并把隱式