基于多策略的電影推薦方法研究.pdf

1、在信息爆炸時(shí)代，互聯(lián)網(wǎng)為廣大用戶(hù)提供的資源數(shù)量迅速增長(zhǎng)，但網(wǎng)絡(luò)在給用戶(hù)提供更多樣的資源的同時(shí)，也給用戶(hù)獲取真正感興趣的資源帶來(lái)困難。個(gè)性化推薦系統(tǒng)有針對(duì)性地向用戶(hù)推薦項(xiàng)目，減少用戶(hù)的查詢(xún)和過(guò)濾操作，可以提升用戶(hù)使用感受并且提高資源利用率，成為當(dāng)今互聯(lián)網(wǎng)應(yīng)用研究的熱點(diǎn)。
　　個(gè)性化推薦系統(tǒng)的核心是個(gè)性化推薦算法，其利用用戶(hù)過(guò)去的行為記錄以及項(xiàng)目本身的特點(diǎn)，預(yù)測(cè)用戶(hù)對(duì)項(xiàng)目的感興趣程度。目前研究和應(yīng)用較多的算法為協(xié)同過(guò)濾方法和基于內(nèi)容的

2、方法，本文針對(duì)現(xiàn)有推薦方法中面臨的稀疏性、冷啟動(dòng)且準(zhǔn)確率低等問(wèn)題，圍繞多策略電影推薦方法開(kāi)展了相關(guān)研究工作，其主要工作內(nèi)容與成果說(shuō)明如下:
　　1.提出一種基于網(wǎng)站相關(guān)推薦聚合和電影本體知識(shí)的電影推薦方法。首先利用電影屬性及影人屬性構(gòu)建本體模型，通過(guò)用戶(hù)歷史記錄獲取用戶(hù)當(dāng)前興趣模型，計(jì)算用戶(hù)對(duì)不同屬性的偏好權(quán)重。通過(guò)聚合技術(shù)獲取若干網(wǎng)站對(duì)用戶(hù)最近看過(guò)的電影的相關(guān)推薦作為待推薦電影源。利用SimRank方法和加權(quán)相似度計(jì)算電影與電影

3、或電影與用戶(hù)興趣模型之間的相似度，向用戶(hù)推薦電影。實(shí)驗(yàn)結(jié)果證明，本方法推薦準(zhǔn)確率在用戶(hù)個(gè)人推薦場(chǎng)景下較現(xiàn)有方法提高了約10％，且電影相關(guān)推薦比對(duì)比方法提高了11.4％;同時(shí)在一定程度上解決了稀疏性、冷啟動(dòng)等問(wèn)題。
　　2.提出一種基于對(duì)分網(wǎng)絡(luò)和用戶(hù)聚類(lèi)的評(píng)分預(yù)測(cè)方法。首先將用戶(hù)對(duì)電影的行為記錄利用對(duì)分網(wǎng)絡(luò)來(lái)表示，通過(guò)對(duì)分網(wǎng)絡(luò)的路徑信息得到用戶(hù)之間的相似度，利用評(píng)分時(shí)間、評(píng)分差對(duì)相似度進(jìn)行修正，挖掘用戶(hù)之間的關(guān)聯(lián)性。利用譜聚類(lèi)算法將