一種基于卡爾曼濾波的加權(quán)混合推薦算法.pdf

1、近年來，隨著信息技術(shù)和互聯(lián)網(wǎng)應(yīng)用的飛速發(fā)展，信息過載現(xiàn)今已經(jīng)成為不可避免的問題。如何有效的幫助用戶搜索和過濾信息，成為了許多學(xué)者和工程師關(guān)注的熱點(diǎn)課題，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。個(gè)性化推薦是一種幫助用戶快速發(fā)現(xiàn)有用信息的技術(shù)，不需要人們提供明確的需求，而是通過分析用戶的歷史行為，從而主動(dòng)向用戶推薦符合他們需求和興趣愛好的信息。研究人員已經(jīng)提出了許多不同的個(gè)性化推薦算法，但是這些單一的個(gè)性化推薦算法都有著其缺點(diǎn)和局限性，難以滿足眾多用戶的不

2、同需求。為了取得更好的推薦效果，目前在實(shí)際應(yīng)用環(huán)境中通常采用混合個(gè)性化推薦算法。
　　首先，本文討論了個(gè)性化推薦算法的相關(guān)概念和應(yīng)用，分析了協(xié)同過濾推薦、基于內(nèi)容推薦算法和混合個(gè)性化推薦算法的原理?；旌贤扑]技術(shù)通過特定的方式將多種不同的推薦技術(shù)融合在一起，能夠根據(jù)具體情況選用不同的策略，避免單一推薦算法的缺陷，向提供用戶更精準(zhǔn)的推薦。另外，本文著重介紹和研究了卡爾曼濾波器模型及卡爾曼濾波算法的過程，并針對(duì)其特點(diǎn)和適應(yīng)性進(jìn)行了說明。

3、離散卡爾曼濾波算法是一個(gè)二次線性估測(cè)算法，能夠?qū)﹄x散控制的動(dòng)態(tài)系統(tǒng)的狀態(tài)進(jìn)行最優(yōu)估計(jì)。
　　接著，本文針對(duì)加權(quán)混合推薦方式，提出了一種新穎的基于卡爾曼濾波的加權(quán)混合推薦算法。該算法利用卡爾曼濾波的最優(yōu)回歸優(yōu)化特性，將其用于預(yù)測(cè)混合推薦系統(tǒng)中各個(gè)組件的權(quán)重，并利用反饋對(duì)權(quán)重進(jìn)行優(yōu)化和修正，實(shí)現(xiàn)了推薦過程中動(dòng)態(tài)權(quán)重的最優(yōu)估計(jì)。
　　最后，為了驗(yàn)證本文所提出的算法的性能，本文在MovieLens和Githubs兩個(gè)數(shù)據(jù)集上進(jìn)行了實(shí)