基于用戶興趣的個性化推薦系統(tǒng)的研究與設(shè)計.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的迅猛發(fā)展，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。如何為每個用戶提供快捷準(zhǔn)確，滿足個人實際需要的信息，已成為眾多業(yè)內(nèi)人士越來越關(guān)注的問題。 推薦系統(tǒng)在理論和實踐中都得到了很大發(fā)展，但是隨著電子商務(wù)系統(tǒng)規(guī)模的進(jìn)一步擴(kuò)大，推薦系統(tǒng)中存在的稀疏問題和冷啟動問題嚴(yán)重影響了推薦質(zhì)量。針對推薦系統(tǒng)面臨的主要挑戰(zhàn)，本文對推薦系統(tǒng)及其主要的推薦技術(shù)一協(xié)同過濾技術(shù)進(jìn)行了有益的探索和研究。

2、本文的主要研究內(nèi)容如下： 1)基于奇異值分解的改進(jìn)協(xié)同過濾算法。本文通過奇異值分解的方法對用戶評分矩陣進(jìn)行降維，搜索最佳的用戶特征矩陣和項特征矩陣，使其能有效地反映原始評分?jǐn)?shù)據(jù)的特征，并在此基礎(chǔ)上利用特征矩陣進(jìn)行用戶評分預(yù)測。實驗結(jié)果表明，基于奇異值分解的改進(jìn)協(xié)同過濾算法可以挖掘用戶評分?jǐn)?shù)據(jù)的潛在特征，并且能有效地解決用戶評分?jǐn)?shù)據(jù)的稀疏問題，從而提高推薦系統(tǒng)的推薦質(zhì)量。 2)基于項的改進(jìn)協(xié)同過濾算法。針對用戶評分?jǐn)?shù)據(jù)的極