協(xié)同過(guò)濾推薦系統(tǒng)冷啟動(dòng)問(wèn)題的研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，越來(lái)越多人正享受著信息共享服務(wù)帶來(lái)的便利，但日益增長(zhǎng)的信息也帶來(lái)了信息過(guò)載問(wèn)題。為了實(shí)現(xiàn)在巨量數(shù)據(jù)信息中輕松找到用戶(hù)想要的信息，滿(mǎn)足用戶(hù)的個(gè)性化需求，這吸引了大量相關(guān)研究人員的關(guān)注，并且現(xiàn)已經(jīng)成為研究熱點(diǎn)。個(gè)性化推薦系統(tǒng)在這樣的背景下形成，它能夠快速、準(zhǔn)確的定位用戶(hù)真正想要的信息，極大的緩解了信息檢索的壓力，協(xié)同過(guò)濾推薦技術(shù)成為目前應(yīng)用最成功的個(gè)性化推薦技術(shù)之一。雖然推薦系統(tǒng)的運(yùn)用越來(lái)越廣泛，但隨著系統(tǒng)中用戶(hù)數(shù)量和

2、項(xiàng)目數(shù)量的逐漸增長(zhǎng)，傳統(tǒng)的協(xié)同過(guò)濾技術(shù)也面臨著一些嚴(yán)峻的挑戰(zhàn)，主要是存在數(shù)據(jù)稀疏性問(wèn)題、算法可擴(kuò)展性問(wèn)題以及冷啟動(dòng)問(wèn)題。針對(duì)數(shù)據(jù)稀疏性和算法可擴(kuò)展性這兩個(gè)問(wèn)題，很多協(xié)同過(guò)濾算法和模型已經(jīng)被提出，這些解決方案是非常有用的，提高了推薦系統(tǒng)的準(zhǔn)確性和擴(kuò)展性。上述這些問(wèn)題對(duì)推薦系統(tǒng)的性能有非常大的影響，如何從不同的層次研究分析這些問(wèn)題，針對(duì)性解決這些問(wèn)題可以有效的提升推薦系統(tǒng)的質(zhì)量。
　　冷啟動(dòng)問(wèn)題是目前推薦系統(tǒng)沒(méi)有有效解決的一個(gè)關(guān)鍵問(wèn)題

3、，傳統(tǒng)的協(xié)同過(guò)濾算法主要根據(jù)用戶(hù)對(duì)項(xiàng)目的評(píng)分信息，通過(guò)評(píng)分信息找到目標(biāo)用戶(hù)或者目標(biāo)項(xiàng)目的相似鄰居，然后根據(jù)鄰居信息做出個(gè)性化推薦。但對(duì)于新用戶(hù)或者新項(xiàng)目而言，在評(píng)分矩陣中缺乏對(duì)應(yīng)的評(píng)分信息，導(dǎo)致傳統(tǒng)推薦系統(tǒng)不能給出有效的推薦。因此如何有效解決推薦系統(tǒng)冷啟動(dòng)問(wèn)題，并且提高推薦精度具有重要意義。然而無(wú)論是新用戶(hù)還是老用戶(hù)，用戶(hù)的人口統(tǒng)計(jì)學(xué)信息以及他們?cè)谏缃痪W(wǎng)絡(luò)中的信任關(guān)系都較容易知道，這也成為論文解決用戶(hù)冷啟動(dòng)問(wèn)題的關(guān)鍵。
　　論文詳

4、細(xì)分析了傳統(tǒng)協(xié)同過(guò)濾算法中用戶(hù)冷啟動(dòng)問(wèn)題存在的根本原因，并詳細(xì)探討了現(xiàn)有解決用戶(hù)冷啟動(dòng)的方法，研究了混合協(xié)同過(guò)濾算法對(duì)解決用戶(hù)冷啟動(dòng)問(wèn)題的有效性，提出一種新的解決用戶(hù)冷啟動(dòng)問(wèn)題的混合協(xié)同過(guò)濾算法框架，該算法框架在評(píng)分矩陣極度稀疏的情況下，計(jì)算冷啟動(dòng)用戶(hù)相似性時(shí)引入人口統(tǒng)計(jì)學(xué)信息和用戶(hù)信任機(jī)制，綜合考慮用戶(hù)的屬性相似性和信任相似性。同時(shí)，算法框架在計(jì)算用戶(hù)屬性相似性時(shí)，分析了傳統(tǒng)K-means聚類(lèi)算法存在的不足，論文針對(duì)初始中心點(diǎn)的選取上