基于混合算法的推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的普及與快速發(fā)展，用戶在選擇商品時(shí)，面臨著越來越嚴(yán)重的信息超載的問題。因此，許多網(wǎng)站研究開發(fā)了推薦系統(tǒng)為用戶進(jìn)行個(gè)性化信息推薦服務(wù)。推薦系統(tǒng)向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購(gòu)買過程。隨著推薦系統(tǒng)的廣泛應(yīng)用，出現(xiàn)許多問題與挑戰(zhàn)，主要包括：推薦質(zhì)量、推薦實(shí)時(shí)性、數(shù)據(jù)稀疏性、冷啟動(dòng)等問題。為了解決以上問題，本文著重對(duì)推薦系統(tǒng)及其核心的推薦方法進(jìn)行研究。 ㈠研究推薦系統(tǒng)。針對(duì)推薦質(zhì)量和實(shí)時(shí)性要求，構(gòu)建合理

2、的推薦系統(tǒng)。將推薦系統(tǒng)劃分為在線實(shí)時(shí)推薦和模型處理兩部分。用戶在線瀏覽YangXun網(wǎng)站時(shí)，在線部分實(shí)時(shí)輸出反映用戶興趣的個(gè)性化游戲推薦列表。模型處理部分主要根據(jù)所收集的數(shù)據(jù)以及不同的模型算法，得到模型輸出，作為在線推薦的依據(jù)。特別提出對(duì)于新用戶和新游戲采用結(jié)合不同方法的推薦機(jī)制，在一定程度上解決冷啟動(dòng)問題，提高推薦質(zhì)量。 ㈡研究推薦方法。推薦方法主要包括：基于內(nèi)容推薦、協(xié)同過濾推薦、混合推薦、數(shù)據(jù)挖掘等方法。其中，協(xié)同過濾算法

3、是比較成功的推薦方法。而針對(duì)協(xié)同過濾推薦算法的效率和質(zhì)量方面的不足，以及算法存在的數(shù)據(jù)稀疏性問題和冷啟動(dòng)問題，提出使用結(jié)合基于內(nèi)容的改進(jìn)推薦方法。將游戲特征信息與用戶的偏好結(jié)合，得到用戶偏好模型。根據(jù)用戶偏好模型利用支持向量機(jī)分類，預(yù)測(cè)用戶的推薦結(jié)果。比較分析結(jié)果顯示結(jié)合基于內(nèi)容的推薦方法在一定程度上解決稀疏性問題，提高推薦效果。此外，結(jié)合基于內(nèi)容的推薦方法可以促進(jìn)對(duì)新游戲的推薦。 ㈢考慮用戶信息對(duì)推薦質(zhì)量的影響，進(jìn)行改進(jìn)得到混