協(xié)同過(guò)濾推薦系統(tǒng)中的關(guān)鍵算法研究.pdf

1、推薦系統(tǒng)作為解決信息過(guò)載問(wèn)題的重要手段，被廣泛應(yīng)用于電子商務(wù)、電影社區(qū)、音樂(lè)社區(qū)以及社交網(wǎng)絡(luò)等領(lǐng)域。近年來(lái)，協(xié)同過(guò)濾推薦技術(shù)，因其簡(jiǎn)單易實(shí)現(xiàn)、數(shù)據(jù)依賴性低、推薦結(jié)果準(zhǔn)確等優(yōu)點(diǎn)，成為當(dāng)今推薦系統(tǒng)領(lǐng)域中最為廣泛采用的技術(shù)，具有重大的學(xué)術(shù)研究?jī)r(jià)值和商業(yè)應(yīng)用價(jià)值。協(xié)同過(guò)濾推薦系統(tǒng)中的關(guān)鍵算法包括“鄰居模型”和“隱因子模型”。本文詳細(xì)介紹了“鄰居模型”和“隱因子模型”的基本原理，并針對(duì)現(xiàn)有方法的不足，提出了兩種新的協(xié)同過(guò)濾算法:
　　 (

2、1)基于“明星用戶”的協(xié)同過(guò)濾算法。該方法是一種改進(jìn)的鄰居模型。首先，從原始評(píng)分?jǐn)?shù)據(jù)中挖掘出小部分隱式的“明星用戶”，這部分“用戶”的評(píng)分是由整個(gè)推薦系統(tǒng)中的所有評(píng)分記錄決定的;接著，在推薦算法的訓(xùn)練過(guò)程中，我們通過(guò)傳統(tǒng)的相似度計(jì)算方法來(lái)度量普通用戶與“明星用戶”之間的相似度;最后，在推薦階段，我們通過(guò)加權(quán)平均所有明星用戶的評(píng)分，來(lái)獲得對(duì)普通用戶的預(yù)測(cè)評(píng)分。
　　 (2)融入物品間情景化隱式關(guān)系的概率矩陣分解模型。該方法主要探索