基于用戶配置文件的個性化推薦方法的研究與實現(xiàn).pdf

1、隨著資源共享網(wǎng)站的盛行，網(wǎng)絡(luò)上被共享的資源呈爆炸式增長，用戶想要在眾多資源中找到對自己有用的信息已經(jīng)越來越困難。當(dāng)前的推薦系統(tǒng)中，資源的準確率主要取決于查詢和資源描述的相關(guān)性匹配，盡管不同的用戶可能輸入相同的查詢條件，但是由于興趣的不同而對于資源有著不同的需求，因此，個性化推薦具有重要的意義。
　　目前，個性化推薦的研究，主要集中在如何得到用戶的興趣模型并且用適當(dāng)?shù)男问奖硎境鰜?，以及如何將興趣模型應(yīng)用到推薦系統(tǒng)中以提高資源的準確率

2、和用戶滿意度上。傳統(tǒng)的推薦方法通常沒有對查詢結(jié)果做綜合處理，不僅沒有考慮用戶的個性化需求，也沒有很好地對資源的特征進行細化研究，因此檢索效果差，用戶滿意度低。同時，物以類聚，人以群分，雖然每個人都有自己的興趣，但是將具有相同興趣的一些用戶組成群組，對提高個性化推薦的性能具有重要意義。針對以上問題，論文結(jié)合群組推薦，提出了一種基于用戶配置文件的個性化推薦方法。
　　首先，針對當(dāng)前的用戶配置文件和資源配置文件都是基于TF-IDF(逆文

3、檔詞頻)方法來構(gòu)建，TF-IDF是一種傳統(tǒng)的構(gòu)建配置文件的方法，但是該方法在構(gòu)建用戶配置文件時只考慮了絕對的術(shù)語頻率值、用戶總數(shù)以及使用某標簽的用戶數(shù)，導(dǎo)致活躍用戶的標簽權(quán)重會遠遠高于普通用戶的標簽權(quán)重。因此，論文提出了對TF-IDF的改進，在構(gòu)造用戶配置文件時將用戶使用過的標簽個數(shù)以及用戶標注的資源總數(shù)進行了融合處理，相對降低了活躍用戶的標簽權(quán)重;構(gòu)造資源配置文件時也將標注過資源的標簽個數(shù)以及標注該資源的用戶總數(shù)進行了相應(yīng)的融合處理，

4、使得配置文件能更準確地反映用戶及資源的特征。
　　其次，深入研究了傳統(tǒng)的余弦相似性計算方法，并在其基礎(chǔ)上提出了改進策略，即將匹配的標簽個數(shù)融入其中，整體上提高了檢索結(jié)果的準確率。
　　再次，在傳統(tǒng)的推薦系統(tǒng)的基礎(chǔ)上，將得到的用戶配置文件和初步檢索結(jié)果進行再一次相關(guān)性計算，有效地把用戶興趣模型應(yīng)用到了搜索中。通過相關(guān)實驗驗證了論文提出的方法的有效性。
　　最后，將本文提出的方法在MovieLens數(shù)據(jù)集上反復(fù)實驗，并且根