基于馬爾可夫預(yù)測(cè)的個(gè)性化推薦系統(tǒng)研究.pdf

1、近年來(lái)，隨著社交網(wǎng)絡(luò)、電子商務(wù)網(wǎng)站的興起，人們的消費(fèi)習(xí)慣正在慢慢地發(fā)生變化，越來(lái)越多的人開(kāi)始通過(guò)互聯(lián)網(wǎng)獲取推薦的服務(wù)信息并線(xiàn)下消費(fèi)體驗(yàn)服務(wù)，為了滿(mǎn)足用戶(hù)日益增長(zhǎng)個(gè)性化消費(fèi)的需求。本文通過(guò)對(duì)用戶(hù)情境的預(yù)測(cè)，提出了一種個(gè)性化的推薦算法，具有一定的實(shí)際意義。
　　本文重點(diǎn)提出了一種基于Markov預(yù)測(cè)的個(gè)性化推薦算法，研究了解決數(shù)據(jù)稀疏性問(wèn)題的Slope One算法、Markov預(yù)測(cè)用戶(hù)興趣點(diǎn)的算法并改進(jìn)協(xié)同過(guò)濾推薦算法。最后，通過(guò)實(shí)驗(yàn)

2、驗(yàn)證了這些算法的性能。
　　目前Markov預(yù)測(cè)法的理論研究已成熟，本文論述了Markov預(yù)測(cè)法的理論基礎(chǔ)及其使用場(chǎng)景，介紹了Markov預(yù)測(cè)法的特點(diǎn)和步驟。同時(shí)本文對(duì)用戶(hù)情境的信息進(jìn)行相關(guān)研究和分類(lèi)，提出了基于情境功能的分類(lèi)方法并分析了用戶(hù)特定情境信息的特征；并且使用Slope One算法的思想解決數(shù)據(jù)稀疏的問(wèn)題，實(shí)現(xiàn)了一種基于Markov預(yù)測(cè)用戶(hù)下一時(shí)刻的興趣點(diǎn)的預(yù)測(cè)算法。
　　在個(gè)性化推薦研究方面，本文提出了一種改進(jìn)的

3、個(gè)性化推薦算法，在研究分析了協(xié)同過(guò)濾推薦系統(tǒng)中存在的問(wèn)題和不足的基礎(chǔ)上，提出了融合用戶(hù)情境信息的計(jì)算用戶(hù)興趣點(diǎn)相似度的方法。融合了用戶(hù)興趣點(diǎn)的地理位置信息計(jì)算用戶(hù)興趣點(diǎn)相似度，并進(jìn)一步選擇目標(biāo)用戶(hù)的最近鄰居集，從而提高推薦的質(zhì)量，真正意義上滿(mǎn)足用戶(hù)的個(gè)性化需求。
　　本文通過(guò)使用GooSeeker提供的MetaStudio工具采集大眾點(diǎn)評(píng)的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)集。數(shù)據(jù)集主要包括餐廳數(shù)據(jù)和用戶(hù)數(shù)據(jù)，其中用戶(hù)數(shù)據(jù)中記錄了用戶(hù)的消費(fèi)記錄，餐