隨著互聯(lián)網(wǎng)的深入普及與蓬勃發(fā)展,網(wǎng)絡應用擔當?shù)慕巧饾u從一個以信息資源為中心的內(nèi)容提供者,發(fā)展成為一個以人為中心的交互式平臺化網(wǎng)絡。如今我們正進入由移動互聯(lián)網(wǎng)所引領的大數(shù)據(jù)時代。在大數(shù)據(jù)時代的背景下,眾多的網(wǎng)絡應用給人們的日常生活、工作學習、休閑娛樂等帶來了極大的便利,然而也產(chǎn)生了一些問題。一方面,巨量的網(wǎng)絡數(shù)據(jù)信息使信息超載成為一種常態(tài),互聯(lián)網(wǎng)用戶在尋找與自己興趣相關的信息時,遇到了極大的困擾。另一方面,如何在互聯(lián)網(wǎng)平臺上向潛在的感興趣的用戶呈現(xiàn)海量數(shù)據(jù),以提高服務水平,對于服務提供者而言也是一個很大的困難。推薦系統(tǒng)就是為解決這些問題而設計的,它的主要功能是從海量的信息中發(fā)現(xiàn)用戶感興趣的內(nèi)容。淘寶、亞馬遜等互聯(lián)網(wǎng)平臺在采用推薦系統(tǒng)方面的成功經(jīng)驗表明了,推薦系統(tǒng)不但可以提供給互聯(lián)網(wǎng)用戶較好的使用體驗,還能為企業(yè)創(chuàng)造極大的商業(yè)價值。目前,傳統(tǒng)的推薦方法主要可以劃分為兩類,基于內(nèi)容的推薦方法和基于協(xié)同過濾的推薦方法�；趦�(nèi)容的推薦方法僅通過文本屬性特征為用戶篩選出那些相似的項目,缺乏對用戶反饋信息的挖掘,存在著推薦內(nèi)容同質(zhì)化和用戶端冷啟動等問題;基于協(xié)同過濾的推薦,依賴用戶與項目的交互信息... 

【文章來源】：黑龍江大學黑龍江省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

推薦系統(tǒng)的概況Fig.2-1Theoverviewoftherecommendationsystem

過程中是有所不同的，下面簡單介紹兩種協(xié)同過濾算法的主要思想。（1）基于項目的協(xié)同過濾圖2-2 基于項目的協(xié)同過濾示意圖Fig.2-2 The schematic of item-based collaborative filtering

-11-（2）基于用戶的協(xié)同過濾如圖2-3所示是基于用戶的協(xié)同過濾示意圖，與基于項目的協(xié)同過濾不同，基于用戶的協(xié)同過濾方法是從衡量用戶的相似度的角度出發(fā)，給目標用戶推薦與其相似度較高的其他用戶所喜歡的項目，這里用戶之間的相似度是通過衡量他們之間歷史評分記錄的接近程度來計算得到的。圖2-3 基于用戶的協(xié)同過濾示意圖Fig.2-3 The schematic of user-based collaborative filtering被用戶 和 共同評價過的項目集合為 = ∩ ，那么用戶 和用戶 的Pearson相關性計算方法未下式所示：( , ) =∑, , ∈∑, ∈∑, ∈(2-12)其中 和 分別代表用戶 和 對項目 的評分的平均值。在確定了與目標用戶 的相似度較高的近鄰用戶之后，可以通過這些相似用戶對項目的評分來預測目標用戶對未評分項目的評分值，計算方法如下所示：,= +∑ ( , ), ∈∑ | ( , )|∈(2-13)其中， 為目標用戶的相似度較高的近鄰用戶集合


本文編號：3145810