隨著Web 3.0時代的到來,“信息迷航”問題迫在眉睫。推薦系統(tǒng)是誕生于分類目錄和搜索引擎之后的第三種處理信息過載問題的方法。它通過分析用戶歷史行為來挖掘用戶興趣,從而滿足用戶個性化的需求。協(xié)同過濾推薦算法是推薦領(lǐng)域的重要算法,它利用目標(biāo)用戶所處集群的集體智慧,給目標(biāo)用戶推薦。由于算法原理簡單、易于實現(xiàn),在商業(yè)得到廣泛應(yīng)用,但算法仍面臨一些問題:1)在數(shù)據(jù)稀疏情況下,由于低精度的相似性計算導(dǎo)致的推薦準(zhǔn)確度不高;2)僅僅依靠用戶評分?jǐn)?shù)據(jù)計算用戶相似度,而忽略了項目屬性特征對用戶興趣偏好的影響;3)缺乏對時間效應(yīng)所帶來的用戶興趣遷移的考慮,導(dǎo)致算法不能適應(yīng)隨時間變化的用戶興趣情況。這些都是阻礙推薦算法性能提升的因素,因此,本文基于以上問題對協(xié)同過濾算法中的相似性度量展開研究。（1）本文設(shè)計了一種考慮用戶屬性偏好的相似性度量模型,將項目屬性引入推薦算法的相似度計算中,作為影響用戶興趣的重要因素。由于用戶對項目的評分是用戶對項目各個屬性偏好綜合評估的結(jié)果,本文將用戶對于項目的評分映射為用戶對各個屬性的評分,利用各評分值計算用戶對屬性的興趣度,從而建立相對稠密的用戶-屬性偏好矩陣,利用余弦相似性... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

推薦系統(tǒng)基本任務(wù)

推薦系統(tǒng)結(jié)構(gòu)

推薦系統(tǒng)的分類推薦系統(tǒng)除了圖2.2中列舉的推薦類型，還有基于知識的推薦[29]

【參考文獻(xiàn)】：
期刊論文
[1]不確定近鄰的協(xié)同過濾推薦算法[J]. 黃創(chuàng)光,印鑒,汪靜,劉玉葆,王甲海.  計算機(jī)學(xué)報. 2010(08)
[2]個性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)
[3]基于項目評分預(yù)測的協(xié)同過濾推薦算法[J]. 鄧愛林,朱揚(yáng)勇,施伯樂.  軟件學(xué)報. 2003(09)
[4]個性化推薦算法設(shè)計[J]. 趙亮,胡乃靜,張守志.  計算機(jī)研究與發(fā)展. 2002(08)



本文編號：3228606