基于標(biāo)簽聚類和興趣劃分的個(gè)性化推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，大量信息出現(xiàn)在人們的視野中。信息爆炸使人們能更方便地接收多方面的信息。但與此同時(shí)，有價(jià)值信息的快速獲取也變得更加困難。為了解決這種情況，人們通常在獲取信息時(shí)先對(duì)其進(jìn)行檢索和過(guò)濾。搜索引擎作為信息檢索技術(shù)的代表可以很好地幫助人們從海量的信息中檢索出有用的信息。但當(dāng)搜索的關(guān)鍵詞不能恰當(dāng)?shù)姆磻?yīng)出搜索需求時(shí)，查詢的結(jié)果就會(huì)令人失望。而個(gè)性化推薦作為信息過(guò)濾中典型的應(yīng)用正好可以彌補(bǔ)這方面的不足。
　　目前主流的推薦算法包括

2、基于內(nèi)容的推薦、協(xié)同過(guò)濾推薦、基于規(guī)則的推薦、混合推薦等。在這些推薦算法中，協(xié)同過(guò)濾技術(shù)是實(shí)際應(yīng)用中最為廣泛的推薦技術(shù)。它根據(jù)產(chǎn)品評(píng)分和相似性算法選出與目標(biāo)用戶有著相似興趣偏好的用戶集合，再?gòu)倪@些相似用戶評(píng)價(jià)高的產(chǎn)品中選出那些目標(biāo)用戶尚未評(píng)價(jià)過(guò)的產(chǎn)品推薦給用戶。但傳統(tǒng)的協(xié)同過(guò)濾沒(méi)有考慮到標(biāo)簽對(duì)推薦結(jié)果的影響，只根據(jù)用戶對(duì)資源的評(píng)分單方面挖掘用戶興趣，未能對(duì)用戶興趣進(jìn)行有效劃分，同時(shí)也忽略了用戶興趣隨著時(shí)間推移發(fā)生的變化。為了解決以上問(wèn)題

3、，本文進(jìn)行了如下研究:
　　1.針對(duì)傳統(tǒng)的協(xié)同過(guò)濾忽略了用戶喜好因時(shí)間推移而發(fā)生的改變，本文提出了一種融合時(shí)間因子的協(xié)同過(guò)濾推薦算法。該算法考慮了產(chǎn)品評(píng)分時(shí)間和不同時(shí)段產(chǎn)品受關(guān)注的程度對(duì)用戶興趣偏好的影響，分別建立了時(shí)間遺忘模型和時(shí)間窗口模型，并把這兩種模型融合，生成時(shí)間因子。之后，在用戶相似度的計(jì)算中通過(guò)時(shí)間因子對(duì)產(chǎn)品評(píng)分進(jìn)行時(shí)間上的過(guò)濾，從而能夠更加準(zhǔn)確地計(jì)算出目標(biāo)用戶的相似用戶，減小因時(shí)間因素造成的推薦質(zhì)量的下降。實(shí)驗(yàn)表明該

4、法能有效地適應(yīng)用戶興趣變化，提高智能Web系統(tǒng)在推薦中的準(zhǔn)確率。
　　2.考慮到用戶與標(biāo)簽之間的關(guān)系，本文提出了一種基于標(biāo)簽聚類和興趣劃分的協(xié)同過(guò)濾推薦算法。該算法考慮了標(biāo)簽和用戶評(píng)分對(duì)推薦結(jié)果的影響，通過(guò)標(biāo)簽聚類劃分用戶興趣，并分別在標(biāo)簽和產(chǎn)品評(píng)分上對(duì)目標(biāo)用戶的相似用戶進(jìn)行選擇。同時(shí)，在計(jì)算標(biāo)簽和產(chǎn)品評(píng)分權(quán)重時(shí)融入了時(shí)間因子，以適應(yīng)用戶的興趣變化。實(shí)驗(yàn)部分，在Movielens數(shù)據(jù)集上通過(guò)交叉驗(yàn)證和與其它推薦算法的對(duì)比說(shuō)明了該算