基于復合信息的協(xié)同過濾推薦.pdf

1、在互聯(lián)網技術高速發(fā)展的今天，信息數據以一種爆炸式的方式出現在人們面前，如何能使人們從海量信息中方便快捷地獲取有效的信息，已經成為人們日益關注的熱點。推薦系統(tǒng)的出現有效的解決這一問題。
　　目前推薦算法中應用最廣泛的是基于協(xié)同過濾的推薦算法。基于協(xié)同過濾的推薦算法，主要是利用用戶歷史行為、評價等信息來預測用戶偏好。然而，數據稀疏性問題和冷啟動問題嚴重影響著傳統(tǒng)推薦方法的推薦效果。
　　為此，本文提出了一種基于復合信息的協(xié)同過濾

2、推薦方法。對復合信息的利用主要分為兩個方面：一方面，利用了跨領域推薦方法的思想?？珙I域推薦方法就是將多個領域的數據聯(lián)合起來，將輔助數據域的信息遷移到目標領域當中來，共同作用于目標領域的推薦，來提高目標領域中推薦的準確性。另一方面，和以往只單一的從評分信息挖掘特征不同，本文同時利用用戶對物品的評分信息、用戶對物品的標簽信息、用戶和用戶之間的信任度信息三種顯式和隱式信息進行學習。本文算法建立在 SVD++矩陣分解算法的基礎之上。通過對輔助數

3、據域和目標域的評分信息、用戶對物品的標簽信息、用戶和用戶之間的信任度信息三種顯式和隱式信息共同學習，用學習到的標簽潛在特征因子和信任度潛在特征因子對用戶潛在特征因子進行擴充，并和物品潛在特征因子相結合，從而對目標域評分信息進行補充，緩解了數據的稀疏性問題和冷啟動問題，達到提高推薦準確率的目的。
　　本文將提出的利用復合信息的協(xié)同過濾推薦算法，與經典和最近提出的相近算法在推薦算法數據集上進行了對比實驗。實驗結果表明利用復合信息的協(xié)同