网高速发展,尤其是电子商务急速膨胀,信息过载问题急.PDFVIP

摘 要 随着我国互联网的高速发展，尤其是电子商务的急速膨胀，信息过载问题急 需解决，而推荐系统是解决该问题的有效途径。个性化推荐系统通过收集用户的 资料，预测用户可能感兴趣的商品，做出个性化的推荐服务，具有良好的发展前 景。 本文分析了当前广泛使用的基于内容的推荐系统、协同过滤推荐系统、基于 关联规则的推荐系统和混合推荐系统等系统，讨论了这几种系统研究的内容及其 应用现状，并针对其中存在的数据稀疏，冷启动等问题提出改进方法。 于是，本文以Movielens 数据集为载体，实现了基于二部分图网络推荐算法 的改进。以往关于二部分图网络的推荐算法，在处理用户与项目之间关系时候， 大多只是简单判断用户是否选择过该项目，非是即否。这样处理的结果不能很好 地考虑用户对项目的喜欢程度，无法提高推荐结果的准确性。据此，本文提出了   改进算法。为区分用户对项目的不同评价分数，引入权值系数 、 ，以提高 1 2 推荐的准确性。再引入项目的度和项目的权值之和的比值θ 来提高项目推荐的多 样性和流行性等推荐性能。 最终应用以上算法处理策略进行实验。实验结果表明，改进的算法在准确性、 多样性和流行性等推荐性能上较原著算法有所提高。 关键词：二分图网络、推荐系统、个性化、权值系数、多样性、流行 性 I 第一章 绪论 1.1 选题背景与研究意义 计算机技术的发展和互联网的不断普及，满足了用户在信息时代对信息的需 求，但随着网络的迅速发展而带来的网络信息量的指数增长，使得用户在面对大 量信息时无法从中快速获得对自己真正感兴趣或有用的那部分信息，对信息的使 用效率反而降低了。在庞大且复杂无比的互联网信息库面前，用户所需的信息量 是微乎其微，如何从中快速、准确地找到所需的信息，是许许多多的学者所关注 的问题。 个性化推荐系统正是解决这一问题的有效方法，它是根据用户的兴趣特点和 历史行为，将用户感兴趣的信息、产品推荐给用户。和搜索引擎相比，个性化推 荐系统通过研究用户的兴趣爱好，利用算法计算，能更好地找到用户需求的信息 和引导用户发现自己对信息的需求。一个好的推荐系统不仅能为用户提供个性化 的信息服务，还能与用户建立密切的联系，使用户对推荐系统产生依赖。 如今个性化推荐系统广泛应用在很多领域中，其中最为典型的就是电子商务 领域。凭借个性化推荐系统，商家根据用户的兴趣和购买行为为用户推荐他们可 能感兴趣的商品，能更好地激发用户的潜在需求。 目前，一些大型的电子商务 网站，比如亚马逊、京东商城、淘宝网、当当网以及一些音乐、电影网站等都应 用到了个性化推荐服务，可以说，个性化推荐的研究极具现实意义。 1.2 个性化推荐的研究现状 1.2.1 国内外研究现状 随着Internet 的普及和电子商务的发展,推荐系统得到了越来越多研究者 的关注。遗传算法、神经网络等机器学习技术也在推荐系统中得到应用,涌现出 了越来越多的推荐方法,有代表性的如利用神经网络和遗传K-means 算法通过分 1 析用户在电子商务网站的浏览路径来获取用户偏好的方法、基于案例式推理协同 过滤推荐方法等等。 国外比较著名的推荐系统有GroupLens、PHOAKS 和Ringo 等等。 GroupLens 是一个应用于Usenet 新闻的协同过滤系统,它的目标是让用户一 起协作,从大量的Usenet 新闻中发现他们感兴趣的内容。该系统分为客户端和服 务器端两部分。客户端是一个新闻阅读器NewsReader,服务器端提供协同过滤服 务。NewsReader 一般连接到本地NNTP 服务器,同时也连接到GroupLens 服务器 共享过滤信息,只要用户下载一篇文档,NewsReader 都会向GroupLens 服务器发 送消息请求对该文档内容的预测。此外,用户也可以评价文档,NewsReader 会将 该用户评价发送到GroupLens