基于協(xié)同過濾技術(shù)的推薦方法研究.pdf

1、隨著網(wǎng)絡(luò)與信息技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)為用戶提供越來(lái)越多的信息和服務(wù)，Web用戶面臨的信息超載問題口趨嚴(yán)重。面對(duì)海量的網(wǎng)絡(luò)資源，推薦系統(tǒng)能夠及時(shí)跟蹤用戶的需求變化來(lái)自動(dòng)調(diào)整信息服務(wù)的方式和內(nèi)容，是一種極具潛力的解決信息超載的個(gè)性化服務(wù)技術(shù)。協(xié)同過濾技術(shù)是推薦系統(tǒng)中最廣泛使用和最成功的技術(shù)之一，在理論研究和實(shí)踐中都取得了快速的發(fā)展。但是隨著用戶數(shù)量和系統(tǒng)規(guī)模的不斷擴(kuò)大，協(xié)同過濾推薦技術(shù)將面臨嚴(yán)重的數(shù)據(jù)稀疏性、超高維、冷啟動(dòng)和實(shí)時(shí)推薦等方面的

2、挑戰(zhàn)。本文針對(duì)這些問題，應(yīng)用統(tǒng)計(jì)學(xué)和數(shù)據(jù)挖掘理論與方法，定義了新的相似性度量方法，提出了更為有效的協(xié)同過濾推薦算法，給出了電子政務(wù)信息推薦系統(tǒng)的體系結(jié)構(gòu)設(shè)計(jì)，并對(duì)多種推薦策略做了詳細(xì)的探討。主要研究成果如下：
　　 1)詳細(xì)分析了協(xié)同過濾技術(shù)中數(shù)據(jù)稀疏性問題，針對(duì)傳統(tǒng)相似性度量會(huì)導(dǎo)致預(yù)測(cè)誤差的問題，提出了一種新的混合協(xié)同過濾推薦算法框架。新算法首先引入新的相似性度量方法，利用站點(diǎn)的概念層次結(jié)構(gòu)，綜合考慮頁(yè)面之間的主題相似性。然后

3、在新相似度的基礎(chǔ)上通過基于項(xiàng)目的協(xié)同過濾方法預(yù)測(cè)原始興趣矩陣的空白評(píng)分項(xiàng)，緩解矩陣的稀疏性，最后在平滑后的矩陣上為用戶產(chǎn)生推薦。實(shí)驗(yàn)對(duì)真實(shí)Log日志數(shù)據(jù)進(jìn)行了測(cè)試，結(jié)果證明了該算法在提高推薦質(zhì)量方面的有效性。
　　 2)深入研究了推薦系統(tǒng)中原始評(píng)分矩陣的超高維特性，提出了一種基于局部主成分分析(Local Principle Component Analysis)的協(xié)同過濾推薦方法，該算法首先根據(jù)站點(diǎn)的領(lǐng)域知識(shí)對(duì)網(wǎng)頁(yè)進(jìn)行按主題分

4、類，使同一主題的頁(yè)面具有較強(qiáng)的內(nèi)容相關(guān)性，然后每類頁(yè)面分別進(jìn)行主成分變換，實(shí)現(xiàn)數(shù)據(jù)的降維預(yù)處理。對(duì)每類主題頁(yè)面設(shè)置用戶的興趣閾值，算法實(shí)現(xiàn)了從用戶和項(xiàng)目的角度分別進(jìn)行降維處理，最后的實(shí)驗(yàn)結(jié)果顯示了基于局部主成分分析的降維方法可以顯著的提高預(yù)測(cè)精度，但對(duì)訓(xùn)練數(shù)據(jù)集的稠密性具有較高的要求。
　　 3)針對(duì)推薦系統(tǒng)中實(shí)時(shí)性和推薦質(zhì)量不能同時(shí)兼顧的問題，提出了一種使用維數(shù)約簡(jiǎn)和聚類技術(shù)的混合推薦算法。該算法首先對(duì)高維的原始評(píng)分矩陣進(jìn)行全

5、局降維，在低維空間上使用聚類技術(shù)縮小目標(biāo)用戶的最近鄰搜索空間，使推薦算法的在線計(jì)算量大大減少，算法對(duì)標(biāo)準(zhǔn)數(shù)據(jù)集和真實(shí)數(shù)據(jù)都進(jìn)行了實(shí)驗(yàn)測(cè)試，結(jié)果表明在改善實(shí)時(shí)推薦效率的同時(shí)，算法也具有較高的評(píng)分預(yù)測(cè)精度，并且不同的數(shù)據(jù)集對(duì)推薦結(jié)果的影響也是比較明顯的。
　　 4)針對(duì)目前電子政務(wù)系統(tǒng)中個(gè)性化信息服務(wù)的需求，提出了一種面向公眾的信息推薦服務(wù)模型，設(shè)計(jì)了個(gè)性化推薦系統(tǒng)的體系結(jié)構(gòu)，探討了其主要功能模塊和實(shí)現(xiàn)的核心技術(shù)，并且根據(jù)目前電子政