動態(tài)推薦系統(tǒng)中的協(xié)同過濾算法研究.pdf

1、動態(tài)推薦系統(tǒng)中的協(xié)同過濾算法研究重慶大學碩士學位論文(學術(shù)學位)學生姓名：白培發(fā)指導教師：王成良教授專業(yè)：計算機軟件與理論學科門類：工學重慶大學計算機學院二O一三年五月重慶大學碩士學位論文中文摘要I摘要隨著互聯(lián)網(wǎng)和信息技術(shù)的高速發(fā)展，互聯(lián)網(wǎng)上的信息急劇膨脹，造成了信息過載問題，導致用戶很難從海量信息中獲取自己所需要的信息。如何快速有效地幫助用戶找到所需的信息、解決信息過載問題引起了學術(shù)界和工業(yè)界的廣泛關(guān)注。在這種驅(qū)動下，推薦系統(tǒng)應運而生

2、。推薦系統(tǒng)是一種智能化、個性化的信息服務系統(tǒng)，是處理信息過載的有效工具。推薦系統(tǒng)研究的一個核心是推薦算法的研究。協(xié)同過濾算法作為目前應用最成功的推薦算法之一，成為推薦系統(tǒng)領(lǐng)域的一個研究重點，在該算法基礎上衍生出了許多優(yōu)秀的改進算法。但早期對協(xié)同過濾算法的研究大多是在基于系統(tǒng)的靜態(tài)模式下進行，忽略了實際系統(tǒng)的動態(tài)性，導致實際應用中推薦系統(tǒng)的推薦質(zhì)量隨時間的推移逐漸下降。本文在研究已有協(xié)同過濾算法及其各種改進算法的基礎上，對動態(tài)推薦系統(tǒng)中的

3、協(xié)同過濾算法進行研究，其主要研究內(nèi)容有：①傳統(tǒng)的基于項目的協(xié)同過濾算法忽略用戶類別信息，只用單一全局的相似度來衡量項目間的相似性，這可能導致計算出來的相似度很高的項目對于目標用戶來說與目標項目并不相似。針對這個問題，本文提出了多相似度的基于項目的協(xié)同過濾算法。該算法將每兩個項目在每個用戶類別中都建立一個獨立的相似度，再將目標項目在目標用戶所屬的每個用戶類別中的預測評分進行加權(quán)得到最終的預測評分。②實際的推薦系統(tǒng)是動態(tài)變化的，用戶興趣會隨

4、著時間發(fā)生變化。為了能及時準確地捕捉用戶興趣的變化，本文將時間信息引入到協(xié)同過濾算法中，同時考慮到了用戶評分頻率對用戶興趣變化的影響，提出了一種時間和評分頻率加權(quán)的協(xié)同過濾算法。最后將多相似度的基于項目的協(xié)同過濾算法與時間和評分頻率加權(quán)的協(xié)同過濾算法相結(jié)合，提出了多相似度的時間和評分頻率加權(quán)的協(xié)同過濾算法。③本文采用MovieLens站點提供的數(shù)據(jù)集，通過實驗對本文提出的協(xié)同過濾算法進行評估，驗證其合理性和有效性。實驗結(jié)果表明，相比傳統(tǒng)