基于評(píng)論和評(píng)分的個(gè)性化推薦算法研究.pdf

1、作為最成功的推薦技術(shù)，傳統(tǒng)協(xié)同過濾算法的核心是從用戶對(duì)產(chǎn)品的評(píng)分中計(jì)算用戶相似度或者產(chǎn)品相似度，進(jìn)而基于相似用戶或者相似產(chǎn)品的評(píng)分預(yù)測目標(biāo)用戶可能的評(píng)分并產(chǎn)生推薦。但是在實(shí)際應(yīng)用中，存在著數(shù)據(jù)稀疏性的問題，即大多數(shù)用戶只給出少量的評(píng)分。在這種情況下，傳統(tǒng)的基于評(píng)分的協(xié)同過濾算法并不能產(chǎn)生令人滿意的推薦效果。
　　 為此，本文提出了一個(gè)新的基于主題模型的協(xié)同過濾推薦系統(tǒng)和兩個(gè)推薦算法，分別是基于主題模型和用戶的協(xié)同過濾算法以及基于

2、主題模型和產(chǎn)品的協(xié)同過濾算法。
　　 基于主題模型的方法，首先對(duì)用戶評(píng)論進(jìn)行處理，計(jì)算評(píng)論的主題概率分布，表示用戶對(duì)產(chǎn)品不同特征的偏好。其次在基于主題模型和用戶的協(xié)同過濾算法中，綜合了每個(gè)用戶給出的所有評(píng)論的主題概率分布，計(jì)算用戶最重視特征，表示用戶最重視的產(chǎn)品特征?；谟脩糇钪匾曁卣鳎?jì)算用戶相似度。然后，根據(jù)相似用戶的評(píng)分預(yù)測目標(biāo)用戶可能的評(píng)分。在基于主題模型和產(chǎn)品的協(xié)同過濾算法中，也綜合了每個(gè)產(chǎn)品得到的所有評(píng)論的主題概率分