智能推荐问题应用研究.docVIP

智能推荐包含收集用户信息的行为记录模块，分析用户喜好的模型分析模块和推荐算法模块。随着互联网技术的迅猛发展，人们逐渐走入了信息过载的时代。面对大量的信息，我们都显得有些无所适从。作为信息需求者，从大量信息中找到自己感兴趣的信息往往是一件非常困难的事情；而对于信息提供者，让自己的信息脱颖而出，受到大家的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统通过建立用户和信息产品之间的关系，利用已有的选择过程或相似性关系，一方面挖掘用户潜在感兴趣的信息，另一方面让信息能够展现在对它感兴趣的用户面前。一个完整的推荐系统通常包含收集用户信息的行为记录模块，分析用户喜好的模型分析模块和推荐算法模块。 我们身边最熟悉的例子要数电子商务网站的推荐系统，几乎每个大型电子商务网站都把个性化推荐作为重要的营销手段之一。更有文献表明早期Amazon亚马逊的35%销售增量都来自它的推荐系统。除了商品，音乐、电影等也是常见的推荐对象。 Movie Lens数据集，。 三、问题假设 3.1 假设所提供的数据资料合理、有效，可作为问题分析和研究的依据； 3.2用户打分越高，越喜欢该部电影，也越喜欢该电影所属的类型； 3.3某类型电影所得的评分越高，越受欢迎； 3.4用户喜欢所属类人群喜欢的电影类型； 符号说明 符号 符号说明 某部电影对应第种类型的得分 某类对第x种电影类型的评分 第x种电影类型的综合得分 喜好权重 第i位用户的年龄 第i位用户的职业 电影编号 第j部电影属于第x种电影类型 第i位用户所属类别中包含的用户 第i位用户 第i类中的用户对第j部电影的总评分 第位用户对第部电影的评分 .五、模型的建立与求解 5.1 问题一模型的建立与求解 5.1.1某人所看电影的筛选 根据所给附件 d中用户编号以及用户所看电影编号的记录，利用MATLAB程序找出某编号对应观看过的电影，如果该用户看过某电影，记为1，否则记为0，就得到第i个用户看过的电影记录的矩阵，记为 =[...0...1...] 该矩阵共有个元素，第几个元素为1就代表看过编号为几的电影。 5.1.2 某用户所看某部电影所对应类型的分数的计算 为简化思考，先考虑一部电影情况下对18种电影类型分数的计算。根据附件 i中电影编号以及电影所属类别的记录，能查找出该部电影所属的电影类型。根据用户对该部电影的评分，就能得出第x种电影类型的得分。计算公式为： = 5.1.3 某用户所观看过的各电影类型的得分 5.1.2中给出了某位用户观看一部电影情况下各电影类型分数的计算，要计算出该用户观看过的所有电影类型对应的分数，方法同上一步，只要将各部电影相同的电影类型的分数相叠加，就能得到该用户看过的所有电影类型对应的分数。用公式表示为： = 根据18种电影类型的得分高低，分析出该用户对电影类型的喜好。得分越高，说明该用户越喜欢该种类型。 5.1.4 对10个用户喜好分析的结果 对编号为108，133，228，232，336，338，545，613，696，777的用户喜好进行分析，用以上各电影类型以及相应的分数得到下表一，结果如下 用户编号 电影类型 图一 10个用户对十八类电影的喜好程度 通过对这10个用户的总体喜好分析来看，大多数人喜欢喜剧、戏剧、浪漫类型的电影，有个别用户有特殊的偏好，比如编号为545的用户偏好动作片。大多不喜欢动画、剧情、魔幻、黑色电