个性化智能推荐引擎算法研究及应用-软件工程专业论文.docx

华中科技大学硕士学位论文 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 互联网已经逐渐走入人们的生活，人们对信息的利用也逐渐变的全球化，通过 网络来获取信息变的日常化。近年来，互联网信息数据量爆炸式增长，海量信息充 斥着互联网，用户越来越难准确找到自己所需要的信息，―信息过载‖问题成为互联 网发展的巨大挑战。 个性化推荐技术作为目前解决信息过载最有效的工具之一。通过推荐引擎能够 帮助用户智能过滤信息。基于目前行业比较流行的推荐技术，协同过滤推荐技术、 内容过滤推荐技术能够进行一定程度的智能推荐。但是在实际应用过程中依然面临 的诸如推荐质量低、自动化程度差、冷启动问题、实时响应差等挑战。通过分析单 一协同过滤和单一内容过滤技术的优缺点，在基于协同过滤的技术中，融合内容过 滤技术，提出了混合推荐算法的思想。利用项目内容弥补用户对项目的缺失评分， 从而使用内容过滤为用户寻找相似邻居，然后就可以使用协同过滤技术产生推荐结 果。从理论上通过使用 KNN 算法的内容过滤技术对稀疏矩阵进行补充，能够提高协 同过滤推荐的质量，从而提高最终推荐质量。基于以上混合推荐算法的思想和理论， 设计异步在线、离线模块，实现了混合推荐算法，并最终通过平均绝对偏差的衡量 标准进行结果评估，验证了混合推荐算法优越性。 最后，设计实现了一个基于混合推荐算法的电影推荐系统。该系统基于探讨的 混合推荐算法，提供个性化推荐服务，并综合了用户行为记录的方法，从不同角度 收集用户的兴趣爱好，获取用户信息，提升了系统的用户体验。 关键词：推荐引擎 个性化 协同过滤 混合 稀疏矩阵 II II Abstract The Internet has been gradually going into peoples lives, the globalization of information has become a trend, through the network to obtain information become common.In recent years, the Internet information grow quickly, vast amounts of information filled with the Internet, users feel more and more difficult to accurately find the information they need, information overload has become a huge challenge for the development of the Internet. Personalized recommendation technology is one of the most effective tools to solve the information overload.As recommendation engine can help users filter information intelligently.Collaborative filtering to recommend the technology and content filtering recommendation is popular recommendation technology, they can filter information for the user.But in the actual application process is still facing problems such as the low quality of recommended, degree of automation, cold start, real-time response.By analyzing the advantages and disadvantages of a single collaborative filtering and a single content filtering technology, based on collaborative filtering technology, integration of content filtering technology, put forward the idea of a hybrid recommendation algorithm.Using projects content to compensate for the lack of ratings of users on the