動態(tài)推薦系統(tǒng)中的協(xié)同過濾算法研究.pdf

1、動態(tài)推薦系統(tǒng)中的協(xié)同過濾算法研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：白培發(fā)指導(dǎo)教師：王成良教授專業(yè)：計(jì)算機(jī)軟件與理論學(xué)科門類：工學(xué)重慶大學(xué)計(jì)算機(jī)學(xué)院二O一三年五月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要隨著互聯(lián)網(wǎng)和信息技術(shù)的高速發(fā)展，互聯(lián)網(wǎng)上的信息急劇膨脹，造成了信息過載問題，導(dǎo)致用戶很難從海量信息中獲取自己所需要的信息。如何快速有效地幫助用戶找到所需的信息、解決信息過載問題引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。在這種驅(qū)動下，推薦系統(tǒng)應(yīng)運(yùn)而生

2、。推薦系統(tǒng)是一種智能化、個性化的信息服務(wù)系統(tǒng)，是處理信息過載的有效工具。推薦系統(tǒng)研究的一個核心是推薦算法的研究。協(xié)同過濾算法作為目前應(yīng)用最成功的推薦算法之一，成為推薦系統(tǒng)領(lǐng)域的一個研究重點(diǎn)，在該算法基礎(chǔ)上衍生出了許多優(yōu)秀的改進(jìn)算法。但早期對協(xié)同過濾算法的研究大多是在基于系統(tǒng)的靜態(tài)模式下進(jìn)行，忽略了實(shí)際系統(tǒng)的動態(tài)性，導(dǎo)致實(shí)際應(yīng)用中推薦系統(tǒng)的推薦質(zhì)量隨時間的推移逐漸下降。本文在研究已有協(xié)同過濾算法及其各種改進(jìn)算法的基礎(chǔ)上，對動態(tài)推薦系統(tǒng)中的

3、協(xié)同過濾算法進(jìn)行研究，其主要研究內(nèi)容有：①傳統(tǒng)的基于項(xiàng)目的協(xié)同過濾算法忽略用戶類別信息，只用單一全局的相似度來衡量項(xiàng)目間的相似性，這可能導(dǎo)致計(jì)算出來的相似度很高的項(xiàng)目對于目標(biāo)用戶來說與目標(biāo)項(xiàng)目并不相似。針對這個問題，本文提出了多相似度的基于項(xiàng)目的協(xié)同過濾算法。該算法將每兩個項(xiàng)目在每個用戶類別中都建立一個獨(dú)立的相似度，再將目標(biāo)項(xiàng)目在目標(biāo)用戶所屬的每個用戶類別中的預(yù)測評分進(jìn)行加權(quán)得到最終的預(yù)測評分。②實(shí)際的推薦系統(tǒng)是動態(tài)變化的，用戶興趣會隨

4、著時間發(fā)生變化。為了能及時準(zhǔn)確地捕捉用戶興趣的變化，本文將時間信息引入到協(xié)同過濾算法中，同時考慮到了用戶評分頻率對用戶興趣變化的影響，提出了一種時間和評分頻率加權(quán)的協(xié)同過濾算法。最后將多相似度的基于項(xiàng)目的協(xié)同過濾算法與時間和評分頻率加權(quán)的協(xié)同過濾算法相結(jié)合，提出了多相似度的時間和評分頻率加權(quán)的協(xié)同過濾算法。③本文采用MovieLens站點(diǎn)提供的數(shù)據(jù)集，通過實(shí)驗(yàn)對本文提出的協(xié)同過濾算法進(jìn)行評估，驗(yàn)證其合理性和有效性。實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)