協(xié)同過濾推薦系統(tǒng)多樣性和動態(tài)變化問題的研究.pdf

1、隨著計算機的普及和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，網(wǎng)絡上的信息量迅速增長，信息過載問題成為目前首要解決的問題。傳統(tǒng)的搜索引擎技術(shù)由于被動的服務方式和缺乏個性化等缺點已不能滿足用戶的需求，推薦系統(tǒng)應運而生。協(xié)同過濾推薦作為目前應用最成功的數(shù)據(jù)挖掘技術(shù)之一得到廣泛的關注和研究。通過檢索文獻發(fā)現(xiàn)，目前對協(xié)同過濾推薦系統(tǒng)的研究多集中在精確性問題上，多樣性扣動態(tài)變化問題的研究并不多，因此本文將重點針對這兩個問題展開研究，本文的研究工作主要如下:
　　

2、(1)介紹推薦系統(tǒng)的初衷、定義，概述當前主流的推薦算法，著重介紹協(xié)同過濾推薦算法，包括該推薦算法的思想、分類和推薦步驟。同時闡述了目前常用的評價指標，包括精確性評價指標和多樣性評價指標。
　　(2)針對協(xié)同過濾推薦系統(tǒng)的多樣性問題，本文設計了基于項目類別屬性的協(xié)同過濾推薦算法，該算法以基于項目的協(xié)同過濾推薦為基礎，融入項目的類別屬性信息，定義了項目類別貢獻函數(shù)，并用它對預測評分公式進行改進。算法的原理是通過降低與待評分項目類別完全

3、相同的項目的得分、提高與待評分項目類別不完全相同的項目的得分，來提高推薦的多樣性。最后實驗結(jié)果表明改進的算法提高了推薦的多樣性。
　　(3)針對協(xié)同過濾推薦系統(tǒng)的動態(tài)變化問題，現(xiàn)有改進主要是針對用戶興趣變化、物品生存周期和時間熱點效應三個方面進行，忽略了具有周期性消費特征的物品對推薦產(chǎn)生的影響。針對這一現(xiàn)象，本文設計了基于時間周期性加權(quán)的協(xié)同過濾推薦算法。該算法在時間加權(quán)的基礎上，考慮到時間周期因素的影響，定義了周期貢獻函數(shù)，并用

4、它對預測評分公式進行改進。算法的原理是通過增強處于活躍期的評分對推薦產(chǎn)生的影響，從而達到更高的推薦精確性。最后經(jīng)過多次實驗證明改進的算法具有更高的推薦精確性。
　　本文針對推薦系統(tǒng)多樣性和動態(tài)變化問題進行了探究，提出了基于項目類別屬性的協(xié)同過濾推薦算法和基于時間周期性加權(quán)的協(xié)同過濾推薦算法。前者不同于一般的改進算法從結(jié)果出發(fā)進行改進而是從源頭分析尋找改進方法，改進的算法在對推薦多樣性要求較高的場景中十分適用;后者除了考慮到用戶興趣