基于加權(quán)相似度和網(wǎng)絡(luò)結(jié)構(gòu)的推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)上積累了越來(lái)越多的信息資源，如何在海量的信息中挖掘有用的信息資源變得越來(lái)越困難．面對(duì)眾多的網(wǎng)絡(luò)信息，用戶無(wú)法抉擇時(shí)，推薦系統(tǒng)可以幫助用戶發(fā)現(xiàn)對(duì)自己有價(jià)值的信息，同時(shí)還能讓一些用戶未知但是可能感興趣的信息展現(xiàn)在用戶面前．企業(yè)可以使用推薦系統(tǒng)挖掘潛在用戶群體，從而提高銷量．推薦系統(tǒng)作為用戶和信息之間的橋梁，實(shí)現(xiàn)了信息消費(fèi)者和信息生產(chǎn)者間的共贏．本論文對(duì)推薦系統(tǒng)中的相似度計(jì)算模型和推薦算法等關(guān)鍵技術(shù)進(jìn)行了研

2、究，所取得的主要研究成果為：
　　1.對(duì)數(shù)值評(píng)分用模糊數(shù)表示方法進(jìn)行了研究．針對(duì)數(shù)值評(píng)分表征用戶偏好程度存在的不確定性問(wèn)題，提出了運(yùn)用模糊邏輯方法來(lái)獲取用戶喜好信息．通過(guò)定義模糊集和隸屬函數(shù)，對(duì)評(píng)分值和評(píng)分偏差值進(jìn)行模糊化，計(jì)算相應(yīng)的模糊權(quán)重．對(duì)傳統(tǒng)三種相似度計(jì)算模型加入模糊權(quán)重，并與未加模糊權(quán)重的相似度計(jì)算模型在協(xié)同過(guò)濾算法下比較，結(jié)果顯示改進(jìn)后的方法提高了推薦系統(tǒng)的準(zhǔn)確性．
　　2.對(duì)推薦系統(tǒng)的實(shí)時(shí)性進(jìn)行了研究．針對(duì)用戶

3、的興趣愛(ài)好隨時(shí)間不斷變化而導(dǎo)致推薦系統(tǒng)實(shí)時(shí)性問(wèn)題，通過(guò)時(shí)間衰減函數(shù)，將評(píng)分時(shí)間信息加入到相似度計(jì)算模型中．考慮到用戶數(shù)據(jù)集較大，對(duì)傳統(tǒng)協(xié)同過(guò)濾算法引入聚類方法．最后結(jié)合模糊權(quán)重、時(shí)間權(quán)重，并在聚類協(xié)同過(guò)濾算法上，提出了 FTKUBCF算法．通過(guò)實(shí)驗(yàn)驗(yàn)證，在預(yù)測(cè)準(zhǔn)確率MAE和分類準(zhǔn)確度F1上，該算法比傳統(tǒng)的協(xié)同過(guò)濾算法有了明顯提高．
　　3.對(duì)基于二分圖的加權(quán)資源分配算法進(jìn)行了研究．針對(duì)傳統(tǒng)的二分圖資源分配算法在資源分配過(guò)程中，用戶