基于標簽的推薦系統(tǒng)的研究與實現(xiàn).pdf

1、近些年來已經(jīng)見證了信息的爆炸，因特網(wǎng)和萬維網(wǎng)信息的這種指數(shù)級的增長使人們面臨著信息過載的問題：太多的數(shù)據(jù)和信息源使人們不容易找到相關的物品。推薦系統(tǒng)技術已經(jīng)被證明是應對信息過載問題的有力而富有價值的工具，在諸多領域發(fā)揮著不可或缺的作用。
　　隨著因特網(wǎng)的急劇發(fā)展，Web2.0時代已經(jīng)形成并流行起來，使得用戶從消極的消費者轉(zhuǎn)變?yōu)榉e極的內(nèi)容制造者。伴隨著用戶的標簽標注行為產(chǎn)生的是大量有價值的信息，這強烈地暗示人們可以利用這些信息來提供

2、個性化的服務。
　　首先，本文對推薦系統(tǒng)研究的背景、意義及國內(nèi)外現(xiàn)狀進行了闡述，介紹了其應用、實驗方法及冷啟動問題；
　　其次，本文重點闡述了所做的改進性研究工作，包括以下兩個方面：（1）修改用戶-物品評分矩陣計算方法。本章對傳統(tǒng)的基于內(nèi)容的推薦系統(tǒng)進行了修改，對基于用戶的協(xié)同過濾推薦系統(tǒng)進行了改進。將標簽用作內(nèi)容屬性修改了物品的模型表示，通過標注在物品上的標簽集來計算用戶對物品的評分，修改了用戶-物品評分矩陣的計算方法，并

3、通過一個簡單的案例證明修改后的基于用戶的協(xié)同過濾算法在推薦準確性方面的表現(xiàn)要好于傳統(tǒng)的基于用戶的協(xié)同過濾算法，通過實驗證明修改后的基于用戶的協(xié)同過濾算法確實在命中率和命中排名得分方面要好于傳統(tǒng)的基于用戶的協(xié)同過濾算法；（2）設計了一種推薦引擎架構(gòu)。推薦引擎采用一種推薦算法完成一種推薦任務，推薦引擎包括數(shù)據(jù)預處理模塊、相關矩陣生成模塊、推薦列表生成模塊和過濾排名的后處理模塊；
　　最后，設計了推薦系統(tǒng)的功能模塊架構(gòu)，包括用戶標注歷史