基于用户兴趣的推荐算法研究

《基于用户兴趣的推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏科技大学硕士学位论文基于用户兴趣的推荐算法研究专业名称：计算机技术作者姓名：彭玉钒指导教师：黄树成摘要随着互联网技术的不断发展，当今社会已进入了信息爆炸的时代，各类电子商务网站研究的热点之一就是个性化推荐技术。个性化推荐技术是一种信息过滤的手段，可以挖掘用户兴趣偏好，并根据目标用户的兴趣向用户推荐他们感兴趣的信息，提供针对用户的个性化服务，解决了信息过载的问题，降低用户搜索、整理、分析资料的时间和金钱成本。推荐系统的关键技术之一是围绕用户兴趣的建模，只有准确地挖掘出用户的兴趣，才能研究出准确度高的推荐算法，进而提升用户的体验。由于用户的兴趣常

2、常因人而异，并且在不同情境下，同一个用户的兴趣和需求常常不相同，这就导致现有的推荐技术经常受到数据稀疏、用户冷启动等问题的困扰，并且进一步造成了用户体验差、推荐准确率低的情况。为此，本文考虑到用户活跃度对相似度计算的影响，优化了Pearson相似度算法，并基于用户的兴趣，对传统的协同过滤算法进行改进，本文的工作概括如下：（1）本文首先综述了三种推荐技术中常见的三类推荐方法，分别是协同过滤推荐方法、基于内容的推荐方法和混合推荐方法。之后在介绍协同过滤方法的同时分析了几类传统相似度计算方法，然后对推荐算法的一些性能评测指标和数据集进行了简单介绍；（2）分析了

3、用户数据，并总结出了活跃度会影响到相似度计算的精确性，然后介绍了高频物品和活跃用户对相似度计算的影响，在此基础上，对传统的Pearson相关系数算法进行了优化，通过离线实验的方式验证了基于改进的相似度计算的协同过滤推荐系统提升了推荐结果的质量；（3）传统协同过滤技术存在一些尚未解决的问题，如评分矩阵的稀疏性、提高预测准确度等问题。针对这些问题，在前文优化的Pearson相关系数计算方法基础上，研究了用户的兴趣，扩展了用户—项目矩阵，并使用SVD、K-means等技术，提出以一种基于用户兴趣的协同过滤算法。实验结果表明，该算法可以提升预测的准确性，并且降低

4、数据稀疏性所带来的影响。（4）基于Mahout设计并实现了一个推荐系统，实现了协同过滤算法的具体应用，最后完成了推荐结果的展示。关键词：推荐系统；相似度计算；协同过滤；用户兴趣IAbstractWiththedevelopmentofInternettechnology,nowadayssocietyhasenteredtheeraofinformationexplosion.Oneofthehotspotsofvarioustypesofelectroniccommercewebsiteispersonalizedrecommendationtechn

5、ology.Personalizedrecommendationtechnologyisanimportantinformationfiltrationmean,whichcanmineuser'sinterestpreferenceandprovidepersonalizedserviceforusersbytargetuser'sinterest.Thistechnologycansolvetheproblemofoverloadinformationandreducethetimeandcostofusersearch,sortingandanal

6、yzingdata.Oneofthekeyintechnologiesofrecommendationsystemistomodeltheuserinterest,andtodesignahighlyeffectiverecommendationalgorithm,thesystemshouldminetheuser'sinterestaccurately.Becauseoftheuser'sneedsandpreferencesdifferingfromeachother,thesameuser'sneedsareoftennotthesameindi

7、fferentsituations.Itleadstotheresultthattheexistingrecommendationtechnologyisoftenplaguedbysparsedata,usercoldstartandotherissuesanditcausesthattheuserexperienceispoorandtherecommendedsystemaccuracyislow.Tothisend,thispaperconsiderstheimpactofuseractivityonthesimilaritycalculatio

8、nandoptimizesthePearsonsimilarityalgorit