結(jié)合用戶背景信息的協(xié)同過濾推薦算法研究.pdf

1、隨著網(wǎng)絡(luò)的普及和信息技術(shù)的日新月異，信息膨脹與冗余給人們的社會活動和商務(wù)活動帶來了信息選擇的困惑，因此為每個用戶提供快捷準(zhǔn)確，滿足個人實際需要的個性化信息服務(wù)成為當(dāng)前的應(yīng)用和研究熱點。個性化信息服務(wù)包括個性化信息搜索服務(wù)、個性化信息推薦服務(wù)和個性化信息代理服務(wù)等。 協(xié)同過濾算法是其中應(yīng)用最為廣泛的個性化推薦技術(shù)。但是，網(wǎng)上信息的數(shù)量和種類的急速增長，協(xié)同過濾推薦算法面臨諸多挑戰(zhàn)：推薦質(zhì)量、可擴展性、數(shù)據(jù)稀疏性、冷啟動問題等等。協(xié)

2、同過濾需要建立在擁有大量的用戶數(shù)據(jù)的基礎(chǔ)上。雖然在不同的應(yīng)用中，數(shù)據(jù)會有很大的不同，但當(dāng)前提供個性化推薦服務(wù)的系統(tǒng)大都保存了用戶基本的背景信息。這驅(qū)使我們考慮利用已有的用戶信息來對傳統(tǒng)的協(xié)同過濾方法進行改進。 因此，本文提出一種改進算法－－結(jié)合用戶背景信息的協(xié)同過濾推薦算法。它首先根據(jù)項目的屬性相似度對用戶-項評分矩陣中的零值進行預(yù)測和填充，然后再基于用戶的背景信息計算用戶間的相似度，進行協(xié)同過濾。這樣不僅提高了用戶相似性計算的