個性化推薦系統(tǒng)應用及研究.pdf

1、Internet為人們提供了極其豐富的信息資源，在這些海量、異構的Web信息資源中蘊含著具有巨大潛在價值的知識。但是，面對信息的汪洋大海，人們往往感到無所適從，-出現(xiàn)了所謂的“信息過載”和“信息迷向”的現(xiàn)象。根據用戶訪問項目的歷史記錄以及項目之間的相關信息可以構建用戶的興趣模型，從而憑借該用戶興趣模型對繁雜的信息進行過濾，并向用戶推薦其可能感興趣的項目，這就是個性化推薦系統(tǒng)所做的事情。事實上，推薦系統(tǒng)已經成為目前解決信息過載最有效的工具

2、之一。針對個性化推薦系統(tǒng)存在的用戶興趣漂移問題，本文提出了基于網絡稠密度的用戶興趣漂移檢測方法，并利用該方法設計了包裹(wrapper)一般推薦系統(tǒng)的方法，該方法能在快速檢測用戶興趣漂移的同時去除噪聲用戶對推薦系統(tǒng)的影響，提高推薦系統(tǒng)的精確度和穩(wěn)定性。并以科技論文在線推薦系統(tǒng)為研究背景，設計了基于網絡結構的快速論文推薦算法，并把該算法應用到中國科技論文在線的實際數(shù)據上，實現(xiàn)了一個論文在推薦系統(tǒng)網站。主要工作如下： 1)提出了一種

3、能夠適用于推薦系統(tǒng)的基于項目相似網絡結構的興趣漂移快速檢測算法。該算法根據用戶已訪問的項目構建相似網絡，并以該網絡的稠密度和連續(xù)度為依據去除噪聲用戶，同時依據稠密度的變化來檢測興趣漂移的發(fā)生與否和發(fā)生時刻。由于用戶訪問項目網絡一般較小，計算量大大縮減，實現(xiàn)了在快速檢測興趣漂移的同時，避免了噪聲用戶數(shù)據對推薦系統(tǒng)穩(wěn)定性的影響。 2)把基于用戶訪問項目網絡稠密度的興趣漂移檢測算法應用到推薦系統(tǒng)，用以解決用戶興趣漂移對推薦系統(tǒng)性能影響

4、的問題。為此，本文實現(xiàn)了基于內容和基于協(xié)同過濾兩種基本的推薦算法。為驗證本文興趣漂移檢測算法應用到推薦系統(tǒng)中的有效性，我們在MovieLens提供的用戶對電影評分數(shù)據集上，引入模擬的用戶興趣漂移數(shù)據。實驗結果表明，我們的興趣漂移檢測算法可以有效減少用戶興趣漂移對推薦系統(tǒng)帶來的干擾，提高了推薦性能。 3)將推薦系統(tǒng)應用到教育部科技發(fā)展中心支持的科技論文共享網站的用戶個性化服務項目中，完成推薦系統(tǒng)在中國科技論文在線網站數(shù)據上的實際應