基于用戶(hù)多維相似度的協(xié)同過(guò)濾推薦算法.pdf

1、隨著手持設(shè)備和桌面電腦的普及，網(wǎng)絡(luò)已經(jīng)成為了人們生活中不可缺少的一部分。人們通過(guò)互聯(lián)網(wǎng)進(jìn)行著諸多的社會(huì)活動(dòng)，網(wǎng)絡(luò)信息的增長(zhǎng)速度日益加快，合理利用互聯(lián)網(wǎng)信息首先要做的就是信息的過(guò)濾和分類(lèi)。推薦系統(tǒng)在網(wǎng)絡(luò)信息和用戶(hù)之間建起一座橋梁，在一定程度上方便了人們的生活。上世紀(jì)90年代初到現(xiàn)在的20余年中，推薦系統(tǒng)日益成熟，本文從用戶(hù)信息出發(fā)，多角度分析用戶(hù)屬性及其網(wǎng)絡(luò)行為，研究如何利用和挖掘用戶(hù)信息進(jìn)而改進(jìn)協(xié)同過(guò)濾推薦系統(tǒng)，主要工作如下：
　

2、　1.本文介紹了推薦系統(tǒng)在國(guó)內(nèi)外的發(fā)展現(xiàn)狀，對(duì)協(xié)同過(guò)濾推薦算法進(jìn)行歸納整理，并對(duì)其進(jìn)行原理分析，對(duì)其中相關(guān)的關(guān)鍵技術(shù)進(jìn)行分析。
　　2.相似度計(jì)算。作為推薦系統(tǒng)的核心模塊，相似度的計(jì)算直接影響推薦的結(jié)果，對(duì)推薦精度、覆蓋率、召回率有直接的關(guān)系，優(yōu)化推薦系統(tǒng)的關(guān)鍵在于優(yōu)化相似度計(jì)算，本文通過(guò)研究相似度計(jì)算原理對(duì)傳統(tǒng)相似度計(jì)算方法進(jìn)行改進(jìn)，利用用戶(hù)之間的個(gè)體差異計(jì)算用戶(hù)對(duì)項(xiàng)目的偏好差別，進(jìn)而計(jì)算出用戶(hù)之間相似度。通過(guò)在公開(kāi)數(shù)據(jù)集上進(jìn)行

3、實(shí)驗(yàn)，并不斷調(diào)整相關(guān)參數(shù)，使得到的推薦精度達(dá)到較理想水平。
　　3.評(píng)論文本信息挖掘與利用。相對(duì)常規(guī)的評(píng)分或等級(jí)評(píng)定，自然語(yǔ)言評(píng)論更能代表用戶(hù)的直觀(guān)體驗(yàn)，文本評(píng)論無(wú)疑包含著大量的用戶(hù)信息和用戶(hù)喜惡。本文通過(guò)爬蟲(chóng)工具爬取了互聯(lián)上網(wǎng)具有代表性的大量酒店評(píng)論文本，并構(gòu)建中文評(píng)論文本處理系統(tǒng)，對(duì)包含用戶(hù)情感的評(píng)論文本進(jìn)行信息提取和量化，將得到的用戶(hù)情感進(jìn)行傾向性分析，并將其作為計(jì)算用戶(hù)間相似度的數(shù)據(jù)。
　　4.多維相似度算法。相似度

4、的計(jì)算不應(yīng)是基于某一用戶(hù)屬性或行為，應(yīng)當(dāng)全面考慮可影響用戶(hù)選擇的信息，這樣才能計(jì)算出較為準(zhǔn)確的用戶(hù)近鄰，從而進(jìn)行精確推薦。本文將用戶(hù)自身屬性、用戶(hù)評(píng)分集合、用戶(hù)文本評(píng)論中包含的情感傾向等要素，賦以不同的權(quán)重參與相似度的計(jì)算。對(duì)得到的推薦結(jié)果進(jìn)行分析并不斷調(diào)整權(quán)重以選取最優(yōu)推薦結(jié)果。
　　本文從多維度計(jì)算用戶(hù)之間的相似度，重點(diǎn)分析了用戶(hù)評(píng)論信息包含的情感傾向，從而得到更為準(zhǔn)確的用戶(hù)近鄰。通過(guò)實(shí)驗(yàn)分析和對(duì)比，本文模型可以為用戶(hù)提供較為