基于二重分解的上下文預(yù)過濾推薦技術(shù)研究.pdf

1、如今已經(jīng)進(jìn)入了一個數(shù)據(jù)爆炸的信息時代，信息技術(shù)的快速發(fā)展對人們社會生活的影響越來越大，使得人們能夠獲取的信息數(shù)量急劇增加。同時人們發(fā)現(xiàn)從海量數(shù)據(jù)中獲取真正感興趣的內(nèi)容越來越難，如何在最短的時間內(nèi)幫助用戶找到其真正感興趣的信息變得尤為重要。推薦系統(tǒng)正好可以用來解決這類問題，它通過數(shù)據(jù)分析技術(shù)得到用戶的個性化信息，然后根據(jù)用戶的偏好和需求幫助用戶找到其真正感興趣的信息或產(chǎn)品。
　　近年來，推薦系統(tǒng)相關(guān)研究得到了國內(nèi)外學(xué)者的廣泛關(guān)注，作

2、為其核心的推薦算法也日趨成熟，人們開始嘗試從物品和用戶相關(guān)性方面來進(jìn)一步改善推薦效果。例如在推薦生成過程中加入對上下文信息的考慮，與之相應(yīng)的上下文感知推薦技術(shù)也成為推薦系統(tǒng)越來越活躍的研究分支之一。因此，考慮在推薦過程中引入上下文因素在研究及應(yīng)用中具有重要意義，本文基于這一方向進(jìn)行了大量的研究工作，針對目前已知算法存在的缺陷，提出兩個基于二重分解的上下文預(yù)過濾推薦算法，并結(jié)合真實(shí)數(shù)據(jù)集對算法有效性進(jìn)行了驗(yàn)證。本文主要研究內(nèi)容如下：

3、>　　（1）在已有的基于分解的上下文感知推薦算法基礎(chǔ)上，提出一種基于二重分解(Double-splitting)的上下文預(yù)過濾推薦算法，該算法通過動態(tài)計(jì)算上下文相似度，在固定閾值范圍內(nèi)對數(shù)據(jù)集進(jìn)行第二次分解，從而得到更有利于預(yù)測評分的數(shù)據(jù)子集，并基于真實(shí)的公共數(shù)據(jù)集將該算法和其它經(jīng)典推薦算法進(jìn)行了對比分析，驗(yàn)證了新算法的有效性。
　?。?）將基于二重分解的方法與具體的易貨交易環(huán)境上下文信息相結(jié)合，進(jìn)一步提出一種基于組合分解(Hyb