個性化書籍推薦系統(tǒng)研究與設計.pdf

1、目前，各種各樣的網(wǎng)上書籍推薦系統(tǒng)已經(jīng)投入使用，用來幫助用戶快速方便地選擇所需要的書籍。然而個性化程度不高是網(wǎng)上書籍推薦系統(tǒng)普遍存在的問題，隨著網(wǎng)上購書的方式越來越被用戶認同，各個網(wǎng)上書店提供的服務對用戶的差異也越來越小,個性化推薦技術(shù)在提高網(wǎng)上書店競爭優(yōu)勢上有廣闊的應用前景。網(wǎng)上書籍推薦系統(tǒng)大量的研究，主要集中在信息獲取方式和推薦技術(shù)上。在信息獲取方式上，如何將各種評分信息有效地結(jié)合來較為完整地反映用戶需求，是一個備受關(guān)注的問題。在推薦

2、技術(shù)研究中，確定合適的推薦算法是一個關(guān)鍵問題。目前許多網(wǎng)上書店都在使用協(xié)同過濾技術(shù)。如何定義用戶相似性以及選取參考用戶群是協(xié)同過濾算法研究的重點，其中的難點是解決數(shù)據(jù)稀疏性和算法可擴展性問題。
　　針對以上問題，本文主要從以下幾個方面進行了研究：
　　1、研究了基于內(nèi)容過濾和協(xié)同過濾推薦技術(shù)在個性化書籍推薦系統(tǒng)中的應用方法，探討了將兩種技術(shù)有效組合應用于本系統(tǒng)的方法。引入資源屬性相似性和聚類方法，對基于內(nèi)容的過濾技術(shù)進行了研

3、究；著重研究了協(xié)同過濾中結(jié)合用戶顯性評分、隱性評分及預測評分的方法，以及如何生成最近鄰居的方法。
　　2、采用將用戶顯性評分、隱性評分和預測評分相結(jié)合的綜合興趣評分方法，來解決用戶興趣評分的單一性和稀疏性問題，以形成更加準確完整的用戶興趣評分。在用戶隱性評分上，本文結(jié)合點擊次數(shù)和瀏覽時間兩個因素來判斷用戶興趣。在用戶預測評分上，利用屬性向量的相似性度量結(jié)果，根據(jù)每個用戶的已評分書類和候選書類的相似性對用戶-書類評價矩陣中的未評分項