基于對數(shù)似然相似度的推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網的快速發(fā)展，信息過載導致人們在尋找滿意的信息時需要花費大量的時間和精力。推薦系統(tǒng)可以自動分析用戶的歷史興趣，并從龐大的信息庫中找到符合用戶興趣的信息供用戶作為選擇的參考，減少了用戶在尋找信息時的時間精力花費。因此，已廣泛運用于電子商務、互聯(lián)網服務、社交等應用中，并發(fā)揮了巨大的作用。如何進一步改善推薦的質量，提升用戶的滿意度，是目前推薦系統(tǒng)領域的研究重點。
　　本文在對推薦系統(tǒng)以及常用的三種推薦算法分析的基礎上，研究一種基

2、于對數(shù)似然相似度的Slope One改進推薦算法的理論與實現(xiàn)方法，并將其運用到電影推薦系統(tǒng)的原型設計中，以便提高評分預測的準確率，改善電影推薦的質量。具體研究工作如下:
　　通過對推薦系統(tǒng)中常用的三種推薦算法，尤其是Slope One推薦算法，以及相似度計算方法的研究，對比和分析了它們各自的優(yōu)缺點。
　　針對Slope One算法的不足，提出了一種基于對數(shù)似然相似度的Slope One改進算法LBSO。算法引入列聯(lián)表分析兩兩

3、物品的關聯(lián)關系，計算對數(shù)似然比統(tǒng)計量，將其轉化為對數(shù)似然相似度，作為評分預測公式中的權值;并結合一種近鄰選擇改進算法，在評分預測時排除與目標物品相似度過小的物品，較好地提高了對目標物品評分預測的準確率;利用MovieLens數(shù)據集，通過Python語言編程實現(xiàn)上述算法進行對比分析，實驗驗證了所提出的改進算法LBSO擁有較好的評分預測準確率。
　　通過對電影推薦系統(tǒng)進行調研和需求分析，在此基礎上，實現(xiàn)了包括總體結構、功能模塊以及數(shù)據