面向海量數(shù)據(jù)環(huán)境的個性化推薦機(jī)制應(yīng)用研究.pdf

1、個性化推薦系統(tǒng)從最初被亞馬遜用于互聯(lián)網(wǎng)購物中，提高了網(wǎng)站自身的用戶忠誠度和企業(yè)銷售額，到如今被越來越多互聯(lián)網(wǎng)中的其他領(lǐng)域運(yùn)用，其受重視也越來越高。個性化推薦系統(tǒng)通過分析用戶的興趣愛好，給用戶進(jìn)行有針對性的推薦。協(xié)同過濾算法是其最為廣泛的推薦技術(shù)之一。但是隨著推薦系統(tǒng)中數(shù)據(jù)量的增大，協(xié)同過濾算法暴露出在數(shù)據(jù)稀疏性，冷啟動，擴(kuò)展性和實時性等方面的瓶頸問題。
　　本文在研究協(xié)同過濾算法的基礎(chǔ)上，提出了一種改進(jìn)的基于用戶-項目的興趣變化的

2、協(xié)同過濾算法。改進(jìn)后的算法，考慮到人類的遺忘規(guī)律，引入了非線性的時間遺忘函數(shù)，給予用戶在不同時間段的評價的不同權(quán)重，突出最近評價對推薦結(jié)果的重要性；在概念分層的基礎(chǔ)上，設(shè)定項目評分閥值，縮減用戶-項目評分矩陣，建立候選的數(shù)據(jù)集，以提高推薦算法的可擴(kuò)展性；進(jìn)行根據(jù)用戶的興趣偏好進(jìn)行數(shù)據(jù)填充，平衡用戶興趣偏好，評分矩陣和項目客觀特征屬性，預(yù)測的評分值更能匹配用戶的真實興趣愛好，有效降低了數(shù)據(jù)稀疏性和冷啟動問題帶來的缺陷。
　　本文使用