基于用戶情境的協(xié)同推薦算法研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的迅猛發(fā)展，個性化的推薦系統(tǒng)成為電子商務(wù)領(lǐng)域一個重要的研究內(nèi)容。推薦算法作為個性化推薦系統(tǒng)的核心，它的性能與整個推薦系統(tǒng)的推薦效率、推薦質(zhì)量以及用戶的使用感受緊密相關(guān)。目前，現(xiàn)有的推薦系統(tǒng)中運用較多的推薦算法有基于關(guān)聯(lián)規(guī)則的推薦算法、基于內(nèi)容的推薦算法、協(xié)同推薦算法。
　　 基于關(guān)聯(lián)規(guī)則的推薦算法中，關(guān)聯(lián)規(guī)則的數(shù)量會隨著系統(tǒng)的規(guī)模增大而巨增?；趦?nèi)容的推薦算法只能推薦與用戶興趣相似的資源，無法發(fā)現(xiàn)新的、

2、潛在的用戶興趣。協(xié)同推薦技術(shù)作為至今最成功的推薦技術(shù)，已經(jīng)在許多實際的推薦系統(tǒng)中得到了大量的應(yīng)用。它雖然可以為用戶發(fā)現(xiàn)潛在的興趣，但傳統(tǒng)的協(xié)同推薦算法均是由用戶對項目的評分作為切入點。
　　 由于評分并不能全面反映一個人的興趣愛好。同時，個人的興趣愛好與其職業(yè)、年齡、教育水平等一系列自身的因素有密不可分的聯(lián)系，有相似屬性的人群也容易產(chǎn)生相似的愛好。因此，本文提出了基于用戶情境的協(xié)同推薦算法。該算法按照用戶情境對用戶進行聚類，使得

3、每個用戶能夠準(zhǔn)確找到與自己相似度高的鄰居。在同一類中，根據(jù)用戶的歷史評分以及項目間的相異性，為目標(biāo)項目計算預(yù)測評分，從而獲得目標(biāo)用戶所需要的推薦結(jié)果。
　　 本文的主要研究工作有：
　　 （1）在深入分析現(xiàn)有推薦算法的情境缺失問題后，結(jié)合情境語義學(xué)以及對用戶的興趣愛好有影響的、自身的自然屬性和社會屬性，提出了用戶情境的描述方式以及形式化表示方法，并進一步對用戶情境進行研究，提出了用戶情境的分類方法。
　　 （2）

4、研究常見變量類型的相異度計算方法，利用相異度矩陣，給出了多情境因素下靜態(tài)用戶情境的聚類方法，并結(jié)合Slope One算法中對目標(biāo)項目的預(yù)測值方法，提出了基于用戶靜態(tài)情境的協(xié)同推薦算法。
　　 （3）在MovieLens數(shù)據(jù)集上利用Matlab對傳統(tǒng)的基于項目的協(xié)同推薦算法、Slope One算法和本文提出的算法進行了對比試驗。實驗結(jié)果表明，本算法較之傳統(tǒng)推薦算法和Slope One算法在平均絕對誤差值上有一定的提高，證明了本算法