结合内容预测和Item-based协同过滤的推荐系统研究

摘要

近年来，推荐系统在网络上获得了普遍的成功，协同过滤是其中应用最为广泛的个性化推荐技术。但是，网上有效信息的数量和种类的急速增长对推荐系统提出了严峻挑战，协同过滤推荐中存在的第一评价，稀疏问题和可扩展性问题急待解决。为了解决这些问题，本文讨论了个性化推荐系统的推荐方法，分析了协同过滤推荐的第一评价问题、稀疏问题的根源。在研究了Item-based协同过滤推荐和基于内容推荐的特点之后，提出了一种采用基于内容的推荐改进Item-based协同过滤的组合推荐方法，利用基于内容的推荐对相似项目的分析，弥补协同过滤推荐在新项目推荐方面的不足，利用Item-based协同过滤推荐代替传统协同过滤推荐，弥补传统协同过滤推荐在可扩展性方面的不足。这种组合推荐算法首先利用基于内容的推荐分析项目的特征属性、找出新项目的相似项目，然后通过用户对相似项目的评价来预测对新项目的评分，最后使用Item-based协同过滤推荐在相似项目的范围内计算邻居用户并给出最终的预测评分。因此，这种组合推荐算法能够有效的解决传统的协同过滤推荐中的第一评价问题、稀疏问题和可扩展性问题。 最后，设计并实现了引入组合推荐方法的文档推荐系统，并对文档推荐系统的结构和功能实现进行了详细介绍。通过论文推荐系统的实验说明了该算法不仅能有效的解决传统的协同过滤推荐的第一评价和稀疏问题，具有与传统的协同过滤推荐相比更加快捷的反应速度，而且算法的准确性与传统的协同过滤推荐的准确性具有可比性。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章引言

第二章推荐系统

第三章结合内容预测和item-based过滤的推荐算法

第四章文档推荐系统

第五章结论

参考文献

致谢

攻读学位期间发表的学术论文目录