基于用戶興趣的混合推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，信息的急速增加在給人們帶來便利的同時(shí)，也給人們的社會(huì)生活帶來了選擇各種信息的困惑。如何為每位用戶提供準(zhǔn)確的、滿足個(gè)性化需求的信息，已經(jīng)成為電子商務(wù)的焦點(diǎn)問題。在這種形勢(shì)和背景下，推薦系統(tǒng)的理論和應(yīng)用都得到了較大的發(fā)展，但是在某個(gè)特定的電子商務(wù)領(lǐng)域，怎樣去獲取用戶的興趣信息，建立相應(yīng)的興趣模型，并在用戶信息比較稀少的情況做出準(zhǔn)確的推薦，這些都是推薦系統(tǒng)必須回答的問題。
　　 本文對(duì)用戶的興趣、推薦系統(tǒng)及其推薦

2、技術(shù)進(jìn)行了一些研究與探索，建立了基于用戶興趣的混合推薦模型，并在該模型的基礎(chǔ)上采用BP神經(jīng)網(wǎng)絡(luò)和奇異值分解的算法向用戶做出預(yù)測(cè)，實(shí)施推薦。本文主要的研究?jī)?nèi)容包括用戶興趣混合模型的建立、基于改進(jìn)的奇異值分解算法和基于用戶興趣的BP神經(jīng)網(wǎng)絡(luò)算法。在整個(gè)推薦過程中，主要分為兩個(gè)階段，即模型的建立階段和實(shí)施預(yù)測(cè)推薦的階段。在模型的建立階段，主要基于的假設(shè)是：用戶對(duì)商品喜歡程度是由三方面決定，即商品自身的屬性、用戶的興趣和用戶近鄰對(duì)該商品的評(píng)價(jià)，

3、然后采用數(shù)據(jù)預(yù)處理方法建立用戶的興趣模型。在預(yù)測(cè)推薦階段，首先從用戶對(duì)商品的歷史評(píng)分信息中統(tǒng)計(jì)出用戶的興趣偏好和商品本身的屬性信息，建立用戶的興趣偏好向量和商品的屬性向量。然后分別采用BP神經(jīng)網(wǎng)絡(luò)算法和基于奇異值分解的算法來預(yù)測(cè)用戶對(duì)待推薦商品的評(píng)分。最后結(jié)合這兩個(gè)評(píng)分做出最終的推薦。實(shí)驗(yàn)結(jié)果表明，結(jié)合了商品屬性的用戶興趣模型和混合推薦算法不僅彌補(bǔ)了協(xié)同過濾算法中信息稀疏問題帶來的不足，同時(shí)也解決了基于內(nèi)容過濾算法中對(duì)用戶考慮過于簡(jiǎn)單帶