基于協(xié)同過濾的個性化推薦算法的研究與應用.pdf

1、隨著互聯(lián)網技術的快速發(fā)展，人們逐漸從信息匱乏的時代走入了信息過載的時代。在這個時代，信息的生產者和消費者都遇到了極大的挑戰(zhàn):信息生產者渴望自己生產的信息脫穎而出，受到用戶的關注。信息消費者渴望從大量信息中找到自己感興趣的信息。個性化推薦系統(tǒng)是解決這一矛盾的重要工具，它通過建立用戶與商品之間的二元關系，利用已有的選擇關系向用戶推薦潛在的感興趣的商品，進而進行個性化推薦?，F(xiàn)在各Web2.0網站已廣泛使用各種推薦技術，但隨著應用的加深及網站規(guī)

2、模的不斷擴大，推薦系統(tǒng)面臨著各種各樣的挑戰(zhàn)。
　　 本文總結了個性化推薦領域的國內外研究現(xiàn)狀，分析了已有方法的優(yōu)缺點。針對現(xiàn)有推薦算法的多樣性不足等缺陷，在傳統(tǒng)協(xié)同過濾算法的基礎上，提出了新的算法。該算法可以有效提高推薦的多樣性、新穎性，并覆蓋更多的商品種類，更好地滿足用戶的個性化需求。具體來說，本文的主要工作如下:
　　 (1)總結歸納了目前涉及推薦算法多樣性的相關知識。介紹了相關的評價指標、多樣性與精確性之間如何權衡

3、、提高推薦多樣性的常用方法。深入分析了兩種協(xié)同過濾算法的推薦原理及推薦步驟，分析它們的優(yōu)缺點，以及常用的優(yōu)化方法。
　　 (2)針對傳統(tǒng)協(xié)同過濾算法缺乏多樣性、新穎性等問題，提出了新的算法。該算法降低了活躍用戶、熱門商品對計算商品相似度的貢獻，并利用貝葉斯理論分析用戶對商品特征屬性的喜好度。在計算商品相似度時，考慮用戶對商品特征的喜好度，在此基礎上計算目標商品的最近鄰居。最后通過實驗比對結果驗證算法的有效性。
　　 (3