论文部分内容阅读
随着互联网以及信息技术的迅猛发展,社会早已步入了信息过载时代。推荐系统作为帮助用户自动获取信息的工具,被广泛应用在各大领域。传统的推荐系统存在两大缺点:1)推荐算法单一化;2)推荐目标单一化。推荐算法单一化指的是推荐系统中只采用一种推荐算法,而传统的推荐算法都存在优缺点,近年来,随着推荐应用环境复杂度的逐步提升,使用单一推荐算法的劣势更加明显;推荐目标单一化是指将推荐的精准性作为唯一评价指标,致力于为用户提供高度个性化的推荐服务。这一定位在大数据环境下会使得为用户推荐的信息与用户历史访问信息极度相似,导致用户逐渐陷入信息茧房。而且,显著的长尾效应使得信息生产者的利润受影响。从用户和商家的利益角度出发,采用混合推荐算法并将推荐的单目标优化替换为多目标优化可以有效缓解上述问题。本文在充分调研多目标优化算法和各类推荐算法的基础上,提出了基于多目标优化的混合推荐算法。该算法通过混合推荐算法产生候选集合,在此基础上使用多目标优化算法生成准确性和多样性同时最优的推荐列表。本课题的研究内容如下:(1)分析推荐问题和多目标优化问题,提出了使用多目标优化算法和混合推荐算法结合的策略来解决推荐目前面临的问题。(2)研究各类推荐算法,包括其算法思想和工作原理,根据各类推荐算法的优缺点及适用场景提出本课题中的推荐算法混合策略。(3)研究多目标优化问题及多目标优化算法,包括多目标优化问题中解的形式以及解优劣性评价指标,使用多目标优化算法过程中对实际问题的编码以及目标函数的抽象。(4)设计基于多目标优化的混合推荐算法。通过混合推荐算法产生候选集,使用多目标优化算法从中挑选出最优推荐列表。将该算法应用于实际数据集中,对本课题提出的基于多目标优化的混合推荐算法和其它三组基于多目标优化的单一推荐算法产生的最优解的优劣性进行比较。实验表明,该算法产生的多目标解优于对照组,可以同时产生准确性和多样性更优质的推荐列表。