智能推荐问题研究论文.docVIP

2014年陕西地区五校“创新杯”数学建模校际联赛论文 承 诺 书 我们仔细阅读了大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是： C 参赛队员： 1.姓名： 林浩晖 学号： 305201107028 专业： 航管 2.姓名： 孙天驰 学号： 305201107045 专业： 航管 3.姓名： 陈 宁 学号： 305201107025 专业： 航管 日期： 2014 年 5 月 3 日 评阅记录： 评 阅 人 评 分 备 注 智能推荐问题研究 摘 要 随着互联网技术的迅猛发展，逐渐了信息过载的时代。对信息提供者，让自己的信息脱颖而出，受到关注，困难。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，挖掘用户潜在感兴趣的信息用户面前。用户喜好的分析和推荐算法 针对问题一，将用户喜好分析转化为求用户对每一类型电影偏好的偏好向量问题。考虑到用户偏好随观影时间变化，建立了以分组训练为基础的阶梯式偏好向量更新模型。模型中充分考虑了电影类型相似性和用户评分对偏好更新过程的影响，并构建相似性函数SF和用户评分函数RF量化上述因素，使得用户偏好向量更新过程中相似性大、用户评分高的类型分量得以增强，相似性小且评分低的的类型分量得到抑制。为进一步检验偏好向量计算的有效性，我们采用推荐精确率和平均推荐精确率对模型进行衡量，通过数据分析和对测试数据的对比试验，结果表明，算法的平均推荐精确率在60%以上且优于其它三种算法。针对问题中10名用户，我们得到其偏好向量，其中偏好前5项如下： 排序 用户编号 108 133 228 232 336 338 545 613 696 777 1 Drama Drama Drama Drama Drama Drama Action Drama Drama Drama 2 Comedy Comedy War Romance Romance Romance Sci-Fi Romance Mystery Comedy 3 Action Romance Adventure Comedy Comedy Comedy Adventure Thriller Thriller War 4 Romance Adventure Childrens War Action Thriller Thriller Comedy War Thriller 5 War Action Romance Sci-Fi Adventure Mystery Romance War Crime Romance 针对问题二，为向用户精确推荐电影，在得到每一用户偏好向量的基础上，针对到用户样本不够带来的偏好分析准确问题，考虑使用用户年龄和用户职业的特性对其进行弥补。根据余弦定理对分组内用户偏好向量相似性进行分析，得到表征不同年龄区间观影偏好的年龄偏好向量和表征不同职业观影偏好的职业偏好向量。基于观影样本少则年龄偏好和职业偏好权重大，样本多则以自身偏好向量为主的思想，建立三种向量的动态加权平均方法，得到综合偏好向量。运用综合偏好向量建立基于余弦相似性和电影平均分的排序方法。基于该方法得出的为10名用户推荐的5部电影为： 电影 序号 用户编号 108 133 228 232 336 338 545 613 696 777 1 34 337 631 512 207 512 252 172 23 170 2 45 28 133 517 313 692 358 133 43 512 3 47 54 483 692 1483 731 831 286 44 517 4 65 244 549 731 720 775 245 483 77 731 5 93 917 1485 775 14 778 244 549 98 775 针对问题三，在综合运用用