利用關(guān)聯(lián)數(shù)據(jù)中隱式反饋的Top-N推薦系統(tǒng)研究.pdf

1、近些年來隨著互聯(lián)網(wǎng)的迅速發(fā)展，信息負載對用戶的決策產(chǎn)生了巨大的挑戰(zhàn)。推薦系統(tǒng)已經(jīng)成為一種有效的工具用來幫助人們在復雜的信息空間中找到他可能感興趣的物品。但是由于在大多數(shù)問題中推薦系統(tǒng)只有用戶對物品的評分信息，信息的局限性導致了推薦效果不是很理想。目前主流的推薦系統(tǒng)的研究主要分為兩個方面，一個是基于協(xié)同過濾方法，使用不同的方法構(gòu)造用戶和物品的新特征，根據(jù)新的特征進行改進。另一個是基于矩陣分解的方法，該方法通過矩陣分解的辦法解決推薦問題中數(shù)

2、據(jù)稀疏的問題。本文通過加入鏈接數(shù)據(jù)，構(gòu)建鏈接數(shù)據(jù)與實體數(shù)據(jù)的關(guān)系模型提高了Top-N推薦的準確性。本文的主要研究內(nèi)容分為以下幾個方面：
　　首先，通過改進用戶近鄰的選擇和引入評分正則化改進了基于用戶的推薦算法，然后通過一個直觀的三維數(shù)據(jù)模型表示物品和鏈接數(shù)據(jù)之間的關(guān)系，在模型中提取物品特征，然后利用基于內(nèi)容的推薦算法進行計算。最后使用了基于線性混合的算法將兩個算法結(jié)果進行混合，改進了推薦的效果。
　　其次，將數(shù)據(jù)利用圖結(jié)構(gòu)表

3、示，利用兩種不同的相似度計算方法來計算圖中的推薦，一種使用基于圖中邊數(shù)目的方法，另一種利用一維數(shù)據(jù)模型將數(shù)據(jù)表示成特征向量，計算他們之間的相似度。然后考慮二部圖中的性質(zhì)，利用剛才計算的相似度進行Top-N推薦。
　　最后，深入分析了二部圖的性質(zhì)，通過考慮鏈接數(shù)據(jù)中的隱式反饋信息，將鏈接數(shù)據(jù)加入到二部圖中構(gòu)成新的三部圖。通過提取三部圖中路徑的特征分別構(gòu)建用戶和物品的特征，使用排序?qū)W習函數(shù)將Top-N推薦問題轉(zhuǎn)化為一個二分類問題，最后