隨著Web 3.0時(shí)代的到來(lái),“信息迷航”問(wèn)題迫在眉睫。推薦系統(tǒng)是誕生于分類(lèi)目錄和搜索引擎之后的第三種處理信息過(guò)載問(wèn)題的方法。它通過(guò)分析用戶(hù)歷史行為來(lái)挖掘用戶(hù)興趣,從而滿(mǎn)足用戶(hù)個(gè)性化的需求。協(xié)同過(guò)濾推薦算法是推薦領(lǐng)域的重要算法,它利用目標(biāo)用戶(hù)所處集群的集體智慧,給目標(biāo)用戶(hù)推薦。由于算法原理簡(jiǎn)單、易于實(shí)現(xiàn),在商業(yè)得到廣泛應(yīng)用,但算法仍面臨一些問(wèn)題:1)在數(shù)據(jù)稀疏情況下,由于低精度的相似性計(jì)算導(dǎo)致的推薦準(zhǔn)確度不高;2)僅僅依靠用戶(hù)評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶(hù)相似度,而忽略了項(xiàng)目屬性特征對(duì)用戶(hù)興趣偏好的影響;3)缺乏對(duì)時(shí)間效應(yīng)所帶來(lái)的用戶(hù)興趣遷移的考慮,導(dǎo)致算法不能適應(yīng)隨時(shí)間變化的用戶(hù)興趣情況。這些都是阻礙推薦算法性能提升的因素,因此,本文基于以上問(wèn)題對(duì)協(xié)同過(guò)濾算法中的相似性度量展開(kāi)研究。（1）本文設(shè)計(jì)了一種考慮用戶(hù)屬性偏好的相似性度量模型,將項(xiàng)目屬性引入推薦算法的相似度計(jì)算中,作為影響用戶(hù)興趣的重要因素。由于用戶(hù)對(duì)項(xiàng)目的評(píng)分是用戶(hù)對(duì)項(xiàng)目各個(gè)屬性偏好綜合評(píng)估的結(jié)果,本文將用戶(hù)對(duì)于項(xiàng)目的評(píng)分映射為用戶(hù)對(duì)各個(gè)屬性的評(píng)分,利用各評(píng)分值計(jì)算用戶(hù)對(duì)屬性的興趣度,從而建立相對(duì)稠密的用戶(hù)-屬性偏好矩陣,利用余弦相似性... 

【文章來(lái)源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

推薦系統(tǒng)基本任務(wù)

推薦系統(tǒng)結(jié)構(gòu)

推薦系統(tǒng)的分類(lèi)推薦系統(tǒng)除了圖2.2中列舉的推薦類(lèi)型，還有基于知識(shí)的推薦[29]

【參考文獻(xiàn)】：
期刊論文
[1]不確定近鄰的協(xié)同過(guò)濾推薦算法[J]. 黃創(chuàng)光,印鑒,汪靜,劉玉葆,王甲海.  計(jì)算機(jī)學(xué)報(bào). 2010(08)
[2]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國(guó),周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)
[3]基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J]. 鄧愛(ài)林,朱揚(yáng)勇,施伯樂(lè).  軟件學(xué)報(bào). 2003(09)
[4]個(gè)性化推薦算法設(shè)計(jì)[J]. 趙亮,胡乃靜,張守志.  計(jì)算機(jī)研究與發(fā)展. 2002(08)



本文編號(hào)：3228606