基于用戶行為和項目內(nèi)容的混合推薦算法研究與應(yīng)用.pdf

1、隨著信息時代的到來和互聯(lián)網(wǎng)的普及與發(fā)展，鋪天蓋地而來的網(wǎng)絡(luò)信息已經(jīng)帶我們進(jìn)入了一個信息過載的時代，伴隨著信息的暴漲，用戶無法在過載的信息中及時、有效地找到真正需要的信息。在此背景下，由原來的知識歸類和搜索技術(shù)轉(zhuǎn)向了推薦系統(tǒng)技術(shù)。推薦系統(tǒng)不像知識歸類和搜索引擎技術(shù)需要用戶給出顯式的需求然后進(jìn)行匹配搜索，而是根據(jù)用戶以往的歷史行為信息挖掘出用戶潛在的需求并主動呈現(xiàn)給用戶。
　　在推薦算法的研究領(lǐng)域中，主要研究點(diǎn)在于如何解決或緩解推薦系

2、統(tǒng)中存在的數(shù)據(jù)稀疏、用戶冷啟動、項目冷啟動、推薦質(zhì)量低等問題。協(xié)同過濾算法根據(jù)用戶的行為信息進(jìn)行推薦，該算法無法解決冷啟動問題。而基于項目內(nèi)容的推薦算法在一定程度上可以解決項目冷啟動問題但是很多情況下會導(dǎo)致推薦質(zhì)量不佳。本文將用戶行為和項目內(nèi)容融合起來提出了基于項目主題的混合推薦算法和基于項目類型缺失的混合推薦算法。這兩個算法可以在一定程度上解決冷啟動和推薦質(zhì)量不佳的問題，其研究的主要內(nèi)容如下：
　　1.結(jié)合項目類型信息和用戶行為

3、信息的基于項目主題的混合推薦算法。該算法首先利用主題模型LDA從項目類型信息中提取出項目的主題向量并根據(jù)每個項目主題向量的特點(diǎn)從主題向量中選取若干有代表性的分量來刻畫整個主題向量。然后根據(jù)項目的主題向量與用戶行為分別計算項目間的相似度并對二者進(jìn)行融合。最后根據(jù)用戶的行為記錄及項目間的相似度建立推薦模型為用戶推薦項目。實驗結(jié)果表明，該算法可以一定程度的解決項目冷啟動的問題，與經(jīng)典的協(xié)同過濾算法相比，該算法在推薦準(zhǔn)確率、多樣性和覆蓋率等指標(biāo)

4、上都有較大的提升。
　　2.結(jié)合項目的簡介和用戶行為信息的基于項目類型缺失的混合推薦算法。該算法首先利用卡方檢驗為每個項目類型從項目介紹信息的關(guān)鍵詞集合中選擇出若干關(guān)鍵詞作為特征屬性，在計算各個特征屬性的特征值時利用Word2Vec工具訓(xùn)練項目簡介語料得到每個關(guān)鍵詞的詞向量，通過計算詞語義上的相關(guān)性并將相關(guān)性足夠高的詞歸為同一個特征屬，通過這種方式處理后再計算項目對應(yīng)特征屬性的特征值就可以有效解決數(shù)據(jù)稀疏的問題。其次以項目包含的類

5、型作為目標(biāo)，為每個項目類型訓(xùn)練一個二分類模型并利用該模型為待推薦的項目根據(jù)其簡介信息預(yù)測項目包含的類型。將每個項目從各個項目類型分類器得到的預(yù)測結(jié)果中選擇最能刻畫項目特征的若干類型與項目本身包含的不完整項目類型進(jìn)行合并。再次采用基于項目主題的混合推薦算法中處理項目類型的方法得到項目的主題向量，依據(jù)項目的主題向量和用戶行為分別計算項目間的相似度并進(jìn)行融合。最后根據(jù)用戶的行為記錄及項目的相似度為用戶推薦項目。實驗結(jié)果表明，在項目類型缺失較為