基于用戶興趣和瀏覽行為的個性化推薦技術(shù)研究.pdf

1、在互聯(lián)網(wǎng)快速發(fā)展的今天，網(wǎng)絡(luò)上的信息日益膨脹，面對這眾多的信息資源，廣大網(wǎng)民發(fā)現(xiàn)越來越難以獲得自己想要的信息。個性化的服務(wù)技術(shù)就在這種需求背景下誕生了。個性化服務(wù)是根據(jù)用戶的設(shè)定來實現(xiàn)的，是一種有針對性的服務(wù)方式，通過各種渠道對資源進行收集、整理和分類，向用戶提供和推薦相關(guān)信息，以滿足用戶的需求。個性化服務(wù)打破了傳統(tǒng)的被動式的服務(wù)模式，能夠充分利用各種資源優(yōu)勢，主動開展以滿足用戶個性化需求為目的的服務(wù)。
　　本文對個性化推薦系統(tǒng)及

2、其相關(guān)技術(shù)進行了研究，首先分析了間接信息提取和直接信息反饋這兩種常用的互聯(lián)網(wǎng)用戶愛好提取方式各自的優(yōu)點和缺點，并在這一基礎(chǔ)上提出了一種利用半顯式半隱式愛好提取方式來得到互聯(lián)網(wǎng)用戶的興趣信息的新的互聯(lián)網(wǎng)用戶愛好提取方式。其次對常見的幾種興趣模型進行了分析，提出了構(gòu)建在互聯(lián)網(wǎng)用戶興趣消退基礎(chǔ)上的興趣模型表示。最后通過對個性化推薦系統(tǒng)的設(shè)計目標進行分析，在互聯(lián)網(wǎng)用戶興趣消退的興趣模型基礎(chǔ)上，利用Pearson相關(guān)性算法計算用戶和資源項目間的相

3、似性，并利用K最近鄰分類算法計算相似用戶的“鄰居區(qū)”，進而提出了基于資源項目的個性化推薦。
　　此外，還對Pearson相關(guān)性算法和基于余弦的相似性算法進行了對比測試，實驗結(jié)果表明Pearson相關(guān)性算法和基于余弦的相似性算法相差不大。在最近鄰體積的大小對個性化推薦系統(tǒng)質(zhì)量的影響的測試中發(fā)現(xiàn)當(dāng)最近鄰體積超過30時最近鄰體積的大小對推薦系統(tǒng)的質(zhì)量影響不明顯。對基于用戶的協(xié)同過濾算法和基于資源項目的協(xié)同過濾算法的比較測試則表明基于資源