推薦系統(tǒng)中協(xié)同過濾技術(shù)的研究.pdf

1、Internet的高速發(fā)展正在把人類帶入一個信息爆炸的時代，海量信息在豐富了人類的物質(zhì)和精神文明的同時也帶來了嚴(yán)峻的挑戰(zhàn)----用戶越來越難以在其中發(fā)現(xiàn)自己感興趣的信息。自從第一篇關(guān)于協(xié)同過濾的論文在20世紀(jì)90年代中期發(fā)表以來，推薦系統(tǒng)作為解決信息過載問題的有效途徑，現(xiàn)在成為了一個重要的研究領(lǐng)域。推薦系統(tǒng)中最重要的推薦技術(shù)是協(xié)同過濾技術(shù)，協(xié)同過濾技術(shù)通過建立用戶–物品的二元信息，利用用戶已有的歷史記錄或者相似性關(guān)系來挖掘每個用戶的潛在

2、感興趣對象。一些應(yīng)用的例子包括出售CD，書籍雜志的電子商城Amazon.com,電影服務(wù)網(wǎng)站,郵件系統(tǒng)Tapestry,以及提供音樂服務(wù)的Ringo。目前，關(guān)于推薦系統(tǒng)國內(nèi)外學(xué)者研究的熱點問題主要有三個。①稀疏性問題(sparsityproblem)稀疏性問題是造成協(xié)同過濾推薦系統(tǒng)推薦質(zhì)量下降的一個首要問題。協(xié)同過濾算法依靠用戶對物品的評價產(chǎn)生推薦。如果用戶對評價的物品數(shù)量有限，那么依靠已有的信息難以產(chǎn)生精確的推薦，這就是協(xié)同過濾系統(tǒng)的

3、所遇到的數(shù)據(jù)稀疏性問題。②冷啟動問題(coldstartproblem)冷啟動問題也是協(xié)同過濾推薦算法的一個經(jīng)典問題。廣義的冷啟動問題包括項目冷啟動和用戶冷啟動。無論是項目冷啟動還是用戶冷啟動問題，都是由于用戶的評價行為不夠充分產(chǎn)生的，根源來自于數(shù)據(jù)的稀疏性問題。③偏見的問題。用戶的態(tài)度是存在偏見的，而且這種偏見有著巨大的影響，如何能合理的挖掘用戶的偏見并且用于興趣的建模也是個新興的領(lǐng)域。針對上述問題，本文對于基于協(xié)同過濾的推薦系統(tǒng)的推

4、薦系統(tǒng)展開了研究，分析了可信度的度量，用戶的冷啟動問題以及偏見問題，本文的主要工作和貢獻為:
　　 ⑴分離可信度和相似度，提出可信度的度量方式，并且據(jù)此提出專家節(jié)點的概念。并且研究了專家節(jié)點對可信度的影響方式，據(jù)此提出了基于專家節(jié)點的可信度作用方式，應(yīng)用于實驗?？尚哦群拖嗨贫确蛛x以及專家節(jié)點的提出，為本文對稀疏性，冷啟動和偏見的研究奠定了基礎(chǔ)。
　　 ⑵提出了基于專家節(jié)點運用決策樹的用戶冷啟動方式，每一步提問都將影響下一