基于Plackett-Luce模型的協(xié)同過濾算法.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，信息過載問題的出現(xiàn)，推薦系統(tǒng)的應(yīng)用越來越廣泛，推薦系統(tǒng)的應(yīng)用推進(jìn)了推薦系統(tǒng)領(lǐng)域的研究和發(fā)展。推薦系統(tǒng)能夠有效的解決信息超載，為用戶提供個性化定制的服務(wù)，目前推薦技術(shù)已經(jīng)在很多大型的網(wǎng)站上應(yīng)用。推薦系統(tǒng)采用的技術(shù)主要有：基于內(nèi)容的推薦技術(shù)、基于協(xié)同過濾的推薦技術(shù)和組合推薦。協(xié)同過濾技術(shù)通過用戶對部分項目的評分，計算與其他用戶的相似度，得出擁有共同興趣的最近鄰居集，然后根據(jù)最近鄰居集對待預(yù)測項目的評分或排序預(yù)測用戶對待

2、預(yù)測項目的評分或排序，進(jìn)而產(chǎn)生推薦。協(xié)同過濾技術(shù)能夠過濾機(jī)器難以自動分析內(nèi)容的信息，有推薦新信息的能力，推薦個性化、自動化程度高，是目前推薦系統(tǒng)中最成功的推薦技術(shù)。
　　 本文以協(xié)同過濾算法為研究目標(biāo)，首先介紹了推薦系統(tǒng)的研究現(xiàn)狀以及推薦系統(tǒng)主要技術(shù)，然后對協(xié)同過濾推薦技術(shù)進(jìn)行系統(tǒng)的闡述，在普通的基于排序的推薦算法的基礎(chǔ)上，分析基于排序的推薦算法中存在的問題，針對度量函數(shù)Kendall中未處理Ties的問題，提出了基于Plack