面向海量用戶行為數(shù)據(jù)的并行個(gè)性化推薦算法的研究與實(shí)現(xiàn).pdf

1、隨著Web2.0的不斷發(fā)展和盛行，互聯(lián)網(wǎng)上的信息量上升到了另一個(gè)數(shù)量級(jí)，用戶很容易在海量的信息中迷失方向，服務(wù)商也很難了解用戶的隱性需求，所以能預(yù)知用戶的興趣愛(ài)好并為用戶主動(dòng)推送符合用戶興趣的信息的服務(wù)對(duì)服務(wù)商具有重要的意義。個(gè)性化推薦服務(wù)就應(yīng)此需求而逐漸成為熱點(diǎn)，越來(lái)越多的電商站點(diǎn)開(kāi)始部署推薦服務(wù)來(lái)吸引用戶，為用戶推薦信息，從而提升站點(diǎn)的效益。同時(shí)在學(xué)術(shù)研究上，個(gè)性化推薦也成為了熱門的研究領(lǐng)域。本文所研究的用戶行為是以資訊領(lǐng)域中Web

2、瀏覽行為為主，有別于可顯性評(píng)分的行為，Web用戶行為屬隱性行為，Web用戶對(duì)信息的喜愛(ài)是隱性的。
　　協(xié)同過(guò)濾是實(shí)現(xiàn)個(gè)性化推薦服務(wù)的熱門技術(shù)，它注重用戶之間的協(xié)同關(guān)系，但也存在新項(xiàng)目冷啟動(dòng)、可擴(kuò)展性等問(wèn)題。所以，目前將其他推薦技術(shù)如基于內(nèi)容的推薦或其他學(xué)科的理論如社會(huì)網(wǎng)絡(luò)分析、聚類等結(jié)合到協(xié)同過(guò)濾中來(lái)解決這些問(wèn)題已成為研究的熱點(diǎn)。
　　本文基于資訊領(lǐng)域的行為數(shù)據(jù)，提出了一種將用戶興趣模型結(jié)合到Slope One算法中的混合推

3、薦算法，并設(shè)計(jì)了該算法的并行化實(shí)現(xiàn)方案，以解決可擴(kuò)展性問(wèn)題。同時(shí)提出了一種基于SimHash內(nèi)容相似性的推薦方法來(lái)解決新項(xiàng)目冷啟動(dòng)問(wèn)題。
　　在處理用戶隱性行為的方法上，本文提出了一種根據(jù)用戶在頁(yè)面上的停留時(shí)間和頁(yè)面內(nèi)容大小來(lái)進(jìn)行評(píng)分的策略。并通過(guò)利用樸素貝葉斯分類器對(duì)項(xiàng)目進(jìn)行分類，再根據(jù)用戶評(píng)分?jǐn)?shù)據(jù)和時(shí)間權(quán)重來(lái)建立用戶近期對(duì)項(xiàng)目類別的興趣模型。在推薦過(guò)程中，本文將用戶對(duì)項(xiàng)目類別的喜好偏差引入到Slope One協(xié)同過(guò)濾算法中來(lái)優(yōu)