基于混合模型的商品購(gòu)買預(yù)測(cè).pdf

1、面對(duì)目前互聯(lián)網(wǎng)日益劇增的信息量，用戶們?cè)絹?lái)越需要能主動(dòng)推薦所需信息的工具——推薦系統(tǒng)。目前，推薦系統(tǒng)領(lǐng)域正面臨著數(shù)據(jù)稀疏和冷啟動(dòng)問(wèn)題，而且傳統(tǒng)的推薦方法很難滿足用戶越來(lái)越多的個(gè)性化需求，因此很多學(xué)者嘗試將用戶在網(wǎng)絡(luò)上留下的多種個(gè)性化信息集成到推薦方法中，從額外的信息中學(xué)習(xí)用戶的興趣，從而為用戶提供更好的推薦。目前，比較常用的信息有用戶的社會(huì)網(wǎng)絡(luò)信息，用戶為物品貼的標(biāo)簽信息，用戶和其他用戶之間的信任關(guān)系，用戶的地理位置信息等。但是，經(jīng)過(guò)調(diào)

2、查研究發(fā)現(xiàn)，大多數(shù)研究者僅僅利用了一種附加信息，即有的只研究基于社會(huì)網(wǎng)絡(luò)信息的推薦，有的僅僅研究基于標(biāo)簽的推薦，有的只研究基于地理位置的推薦。不得不說(shuō)，每一種研究都為后來(lái)人提供了很多寶貴的經(jīng)驗(yàn)和財(cái)富，讓后來(lái)人更加了解每種信息對(duì)于推薦的影響和效果?？墒?，從另一角度理解，如果每種單個(gè)信息都能很好的輔助推薦，那么同時(shí)利用多種信息應(yīng)該可以得到更加精確的推薦，更有助于緩解推薦系統(tǒng)面臨的數(shù)據(jù)稀疏和冷啟動(dòng)問(wèn)題。基于這樣的想法，本文進(jìn)行了兩次實(shí)驗(yàn)，分別

3、在不同的推薦方法中嘗試集成多種信息，驗(yàn)證同時(shí)利用多種信息是否比只利用一種信息更加有助于提升推薦效果。
　　本文主要工作如下:
　　(1)針對(duì)目前協(xié)同過(guò)濾方法存在的數(shù)據(jù)稀疏性、冷啟動(dòng)以及未能有效利用用戶社會(huì)網(wǎng)絡(luò)信息、標(biāo)簽信息提高推薦質(zhì)量等問(wèn)題，提出了基于社會(huì)網(wǎng)絡(luò)的協(xié)同過(guò)濾算法，基于標(biāo)簽的協(xié)同過(guò)濾算法以及基于社會(huì)網(wǎng)絡(luò)和標(biāo)簽的協(xié)同過(guò)濾算法，提高推薦質(zhì)量。
　　(2)針對(duì)現(xiàn)有矩陣分解方法進(jìn)行分析和改進(jìn)，設(shè)計(jì)了基于標(biāo)簽和類別信息

4、加權(quán)的矩陣分解推薦方法，提高推薦質(zhì)量。
　　其主要?jiǎng)?chuàng)新點(diǎn)如下:
　　(1)在基于用戶的協(xié)同過(guò)濾方法基礎(chǔ)上，逐步集成用戶的社會(huì)網(wǎng)絡(luò)關(guān)系和標(biāo)簽信息，分析每種信息對(duì)于推薦結(jié)果的影響;將兩種信息同時(shí)集成到基于用戶的協(xié)同過(guò)濾方法中時(shí)，同時(shí)借助用戶的社會(huì)網(wǎng)絡(luò)關(guān)系和評(píng)分?jǐn)?shù)據(jù)尋找用戶k近鄰，利用用戶的社會(huì)網(wǎng)絡(luò)關(guān)系拓展冷啟動(dòng)用戶信息，并利用標(biāo)簽為用戶和物品建模，計(jì)算用戶對(duì)物品的偏好。
　　(2)在基于矩陣分解的推薦方法中同時(shí)考慮用戶正則