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

1、隨著信息時(shí)代的到來(lái)和互聯(lián)網(wǎng)的普及與發(fā)展，鋪天蓋地而來(lái)的網(wǎng)絡(luò)信息已經(jīng)帶我們進(jìn)入了一個(gè)信息過(guò)載的時(shí)代，伴隨著信息的暴漲，用戶無(wú)法在過(guò)載的信息中及時(shí)、有效地找到真正需要的信息。在此背景下，由原來(lái)的知識(shí)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(shí)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(dòng)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(dòng)、項(xiàng)目冷啟動(dòng)、推薦質(zhì)量低等問(wèn)題。協(xié)同過(guò)濾算法根據(jù)用戶的行為信息進(jìn)行推薦，該算法無(wú)法解決冷啟動(dòng)問(wèn)題。而基于項(xiàng)目?jī)?nèi)容的推薦算法在一定程度上可以解決項(xiàng)目冷啟動(dòng)問(wèn)題但是很多情況下會(huì)導(dǎo)致推薦質(zhì)量不佳。本文將用戶行為和項(xiàng)目?jī)?nèi)容融合起來(lái)提出了基于項(xiàng)目主題的混合推薦算法和基于項(xiàng)目類型缺失的混合推薦算法。這兩個(gè)算法可以在一定程度上解決冷啟動(dòng)和推薦質(zhì)量不佳的問(wèn)題，其研究的主要內(nèi)容如下：
　　1.結(jié)合項(xiàng)目類型信息和用戶行為

3、信息的基于項(xiàng)目主題的混合推薦算法。該算法首先利用主題模型LDA從項(xiàng)目類型信息中提取出項(xiàng)目的主題向量并根據(jù)每個(gè)項(xiàng)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(lái)刻畫整個(gè)主題向量。然后根據(jù)項(xiàng)目的主題向量與用戶行為分別計(jì)算項(xiàng)目間的相似度并對(duì)二者進(jìn)行融合。最后根據(jù)用戶的行為記錄及項(xiàng)目間的相似度建立推薦模型為用戶推薦項(xiàng)目。實(shí)驗(yàn)結(jié)果表明，該算法可以一定程度的解決項(xiàng)目冷啟動(dòng)的問(wèn)題，與經(jīng)典的協(xié)同過(guò)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(xiàng)目的簡(jiǎn)介和用戶行為信息的基于項(xiàng)目類型缺失的混合推薦算法。該算法首先利用卡方檢驗(yàn)為每個(gè)項(xiàng)目類型從項(xiàng)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(jì)算各個(gè)特征屬性的特征值時(shí)利用Word2Vec工具訓(xùn)練項(xiàng)目簡(jiǎn)介語(yǔ)料得到每個(gè)關(guān)鍵詞的詞向量，通過(guò)計(jì)算詞語(yǔ)義上的相關(guān)性并將相關(guān)性足夠高的詞歸為同一個(gè)特征屬，通過(guò)這種方式處理后再計(jì)算項(xiàng)目對(duì)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(wèn)題。其次以項(xiàng)目包含的類

5、型作為目標(biāo)，為每個(gè)項(xiàng)目類型訓(xùn)練一個(gè)二分類模型并利用該模型為待推薦的項(xiàng)目根據(jù)其簡(jiǎn)介信息預(yù)測(cè)項(xiàng)目包含的類型。將每個(gè)項(xiàng)目從各個(gè)項(xiàng)目類型分類器得到的預(yù)測(cè)結(jié)果中選擇最能刻畫項(xiàng)目特征的若干類型與項(xiàng)目本身包含的不完整項(xiàng)目類型進(jìn)行合并。再次采用基于項(xiàng)目主題的混合推薦算法中處理項(xiàng)目類型的方法得到項(xiàng)目的主題向量，依據(jù)項(xiàng)目的主題向量和用戶行為分別計(jì)算項(xiàng)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(xiàng)目的相似度為用戶推薦項(xiàng)目。實(shí)驗(yàn)結(jié)果表明，在項(xiàng)目類型缺失較為