基于组合推荐算法的个性化推荐系统研究

• 作 者: 王真谛
• 机 构: 东北林业大学
• 出 处: 东北林业大学
• 发表日期: 2009年期
• 关键词: 个性化推荐系统 组合推荐 协同过滤 平均差异度

随着Internet的高速发展与普及，使得信息爆炸式增长，产生信息过载的问题。人们迫切希望找到一种能够在信息海洋中顺利找到自己所需信息的技术。为了解决信息过载的问题，个性化推荐技术应运而生。个性化推荐系统根据用户的兴趣来过滤信息，并将用户感兴趣的信息反馈给用户，帮助用户高效率地发掘有价值的信息，其应用前景广泛，受到国内外的广泛关注。但是目前的个性化推荐技术还远没有成熟，存在着大量的问题，例如数据稀疏度问题、用户兴趣多样化问题等等。论文针对这些问题对个性化推荐系统的关键技术做了探索和研究。　　本文的创新工作和研究成果有如下几个方面:　　首先论文对个性化推荐系统进行了深入研究，从各个方面讨论了个性化推荐系统的基本原则、流程以及通用的推荐系统体系结构，并对当前个性化推荐的主流技术——协同过滤技术进行了研究，分析了基于用户的协同过滤算法和基于项目的协同过滤算法的实现，并对传统协同过滤算法中影响推荐质量的问题进行了深入探讨。　　其次论文为了解决传统的协同过滤推荐算法中影响推荐质量的稀疏性问题和可扩展问题引入了平均差异度的概念，并以此提出了一种新的改进算法—基于比值的协同过滤推荐算法，算法通过计算用户对项目的评分之间的比值来预测用户对未评分项目的评分，以此对目标用户产生推荐。经仿真实验验证，该算法可以有效缓解传统协同过滤算法存在的问题，有效地提高推荐准确度。　　最后论文讨论了组合推荐算法的优势与组合方法，针对传统的基于用户的协同过滤推荐算法与改进的基于比值的协同过滤推荐算法的特点，利用特征组合的方式，组合成了新的推荐算法，有效地弥补了各自的缺点，通过仿真实验验证，新的组合推荐算法具有很高的推荐准确度，在多方面均优于传统算法，特别是在稀疏的用户评价数据集上体现出了良好的推荐性能。