基于協(xié)同過濾的個性化推薦算法研究及系統(tǒng)實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，信息呈現(xiàn)幾何級的增長，海量數(shù)據(jù)問題日趨嚴重，用戶快速獲得自己感興趣的信息變得相當(dāng)困難。加之移動設(shè)備的普及，用戶更愿意在移動設(shè)備上獲取信息。在這樣的情況下，個性化推薦系統(tǒng)應(yīng)運而生。本文在實際需求的驅(qū)動下，首先了解推薦系統(tǒng)的理論知識，學(xué)習(xí)相關(guān)推薦算法，然后重點研究了協(xié)同過濾推薦算法和k-means聚類算法，并對協(xié)同過濾算法進行改進。最后設(shè)計和實現(xiàn)了文章推薦子系統(tǒng)。本文做的工作主要有以下幾個方面:
　　1.分析了熱

2、門對象可能對推薦算法中用戶相似度的影響，提出在計算用戶相似度時加入懲罰因子，以降低熱門對象對用戶相似度的影響。通過實驗驗證，提出的算法的準(zhǔn)確率和召回率都有所提高。
　　2.對于協(xié)同過濾算法的時間瓶頸及擴展問題，提出了采用聚類算法對協(xié)同過濾算法進行改進。在聚類時不單單使用用戶的評分信息，而且挖掘了用戶評分對象的特征信息，通過這兩部分信息為用戶偏好進行建模，進而聚類。通過實驗驗證，改進后的算法的推薦效率與預(yù)測準(zhǔn)確率都有所提升。在此基礎(chǔ)