基于Web挖掘的個性化推薦算法研究.pdf

1、隨著IT技術(shù)、web2.0技術(shù)以及云計算技術(shù)等的不斷發(fā)展，信息超載問題使人們在面對海量數(shù)據(jù)尋找滿足自己需求的信息時變得手足無措；同時，信息檢索個性缺失問題是用戶體驗下降，系統(tǒng)用戶流失的重要原因之一。本文介紹個性化推薦技術(shù)對解決這兩大問題的作用與方法，并通過分析協(xié)同過濾算法思想原理及其所存在的不足，提出基于Web挖掘的個性化推薦算法，提高推薦系統(tǒng)的推薦質(zhì)量與性能。
　　為了解決傳統(tǒng)的協(xié)同過濾算法中所存在的數(shù)據(jù)稀疏性、“冷啟動”以及用

2、戶參與度高等問題，引入Web使用挖掘技術(shù)，通過挖掘用戶的Web日志，了解用戶的行為模式、興趣愛好并構(gòu)建“用戶-項目”興趣度矩陣，改變協(xié)同過濾算法的數(shù)據(jù)采集方式和數(shù)據(jù)表現(xiàn)形式：由顯示用戶評分轉(zhuǎn)變?yōu)殡[式用戶項目偏好度；其次，為了解決傳統(tǒng)的協(xié)同過濾算法中相似度計算方法鄰居誤判問題、無法應(yīng)對新用戶或新項目“冷啟動”問題等，引入單點作用度機制，從“用戶-項目”興趣度矩陣整體角度，考察用戶向量的每個分量在計算用戶相似度過程中的作用并加權(quán)影響相似度計

3、算結(jié)果；最后，為了優(yōu)化傳統(tǒng)的協(xié)同過濾算法中鄰居集產(chǎn)生的方法，算法衡量用戶間項目推薦重要度的差異，對目標用戶的相似用戶集進行過濾產(chǎn)生最優(yōu)鄰居集。
　　本文采集南京郵電大學(xué)Web服務(wù)器日志數(shù)據(jù)并對其進行Web使用挖掘，構(gòu)建“用戶-項目”興趣度矩陣作為實驗數(shù)據(jù)源，對基于Web挖掘的個性化推薦算法進行實驗仿真與測試，使用MAE、覆蓋率、精確率和召回率四個算法評估指標將其與傳統(tǒng)的基于PC的協(xié)同過濾算法進行比較，實驗結(jié)果表明，基于Web挖掘的