基于協(xié)同過濾的網(wǎng)絡(luò)學(xué)習(xí)個性化推薦技術(shù)的研究.pdf

1、隨著計算機網(wǎng)絡(luò)技術(shù)地快速發(fā)展，網(wǎng)絡(luò)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(xué)習(xí)資料中找到自己的需求也越來越難，這也引起許多學(xué)者和專家們對這個網(wǎng)絡(luò)問題的研究，個性化推薦系統(tǒng)便應(yīng)運而生。
　　協(xié)同過濾推薦技術(shù)是個性化推薦系統(tǒng)中最為成功的技術(shù)，它是利用用戶對項目評分的數(shù)據(jù)，以用戶之間或者項目之間相互協(xié)作的方式來產(chǎn)生推薦。由于信息不斷膨脹，協(xié)同過濾推薦技術(shù)也存在很多問題，比如評分數(shù)據(jù)的稀疏性、精確性等問題，這也是因為學(xué)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(xué)習(xí)網(wǎng)站時的行為習(xí)慣，即一些隱式的信息，比如被訪問網(wǎng)站的屬性、用戶訪問的時長、用戶訪問次數(shù)、用戶對頁面的點擊率等。本文主要針對數(shù)據(jù)的稀疏性和精確性問題展開了研究，具體內(nèi)容包括：
　　（1）為了提高用戶之間的相似性，以增強推薦結(jié)果的精確度，本文提出了基于加權(quán)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(xié)同過濾相似度量領(lǐng)域中，利用用戶的訪問網(wǎng)站時長作為隱式評分的依據(jù)，然后以用戶的評分差平

3、方和學(xué)習(xí)圈交集大小作為權(quán)重，再結(jié)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(jié)果集中，便于分析。
　?。?）為了解決數(shù)據(jù)的稀疏性問題，本文提出了基于用戶隱式特征的協(xié)同過濾算法。該算法首先從網(wǎng)絡(luò)學(xué)習(xí)網(wǎng)站的日志文件中提取出用戶訪問網(wǎng)站的基本信息，并以網(wǎng)站的類型作為依據(jù)，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(shù)作為隱式評分，并把隱式