基于項(xiàng)目占比因子和群組貢獻(xiàn)度的推薦算法研究.pdf

1、近年來(lái),信息技術(shù)不斷發(fā)展,互聯(lián)網(wǎng)絡(luò)技術(shù)在人們的生活中發(fā)揮著重要的作用。隨之產(chǎn)生的海量數(shù)據(jù)中存在著大量未被挖掘的信息,沒(méi)有有效工具的幫助,人們?cè)趯ふ矣行畔⒌倪^(guò)程中耗費(fèi)了過(guò)多的成本。推薦技術(shù)正是在這樣的時(shí)代背景下產(chǎn)生的。由于它能夠準(zhǔn)確分析用戶特性,主動(dòng)推薦用戶興趣,挖掘用戶潛在愛好,深受使用者推崇,并在諸多領(lǐng)域得到應(yīng)用和推廣。傳統(tǒng)推薦算法存在用戶興趣變化、數(shù)據(jù)稀疏、可擴(kuò)展性差、冷啟動(dòng)等缺陷,對(duì)此,本文對(duì)傳統(tǒng)推薦算法進(jìn)行改進(jìn)。
　　推

2、薦算法的評(píng)分?jǐn)?shù)據(jù)集過(guò)于稀疏,用戶間有效重合項(xiàng)目過(guò)少或存在一定量的包含關(guān)系,同時(shí)由于用戶興趣會(huì)隨著時(shí)間的變化而變化,最終導(dǎo)致推薦結(jié)果準(zhǔn)確率低。本文提出了一種基于項(xiàng)目占比因子和時(shí)間衰減的協(xié)同過(guò)濾推薦算法(ITDCF),用于解決數(shù)據(jù)稀疏性問(wèn)題和用戶興趣變化問(wèn)題。通過(guò)分析近鄰用戶的興趣,預(yù)測(cè)目標(biāo)用戶的興趣點(diǎn),使得推薦算法在挖掘用戶潛在愛好上具有更高的針對(duì)性。項(xiàng)目占比因子方法將用戶間相似度進(jìn)行放大處理,過(guò)濾出興趣更為一致的用戶,更準(zhǔn)確的定位用戶興

3、趣。將時(shí)間衰減函數(shù)加入到評(píng)分預(yù)測(cè)中,減弱用戶以前的興趣點(diǎn)對(duì)當(dāng)前興趣的影響,符合了用戶興趣隨時(shí)間變化的特點(diǎn)。實(shí)驗(yàn)表明,本文所提的個(gè)性化推薦算法在預(yù)測(cè)評(píng)分準(zhǔn)確性和項(xiàng)目推薦質(zhì)量方面具有更優(yōu)的結(jié)果。
　　由于個(gè)性化推薦忽略了社會(huì)化因素和群組特征,無(wú)法融合組內(nèi)成員偏好,為了得出盡可能滿足群體一致性社會(huì)活動(dòng)的需求,更多學(xué)者開始關(guān)注組推薦技術(shù)。其推薦對(duì)象為多于一人的群組,通過(guò)發(fā)現(xiàn)群組、預(yù)測(cè)并融合群組偏好,實(shí)現(xiàn)組推薦。本文提出一種基于項(xiàng)目占比因子