多元異構環(huán)境下個性化推薦方法研究.pdf

1、隨著Web2.0技術的迅速發(fā)展產生了大量信息，但是海量的數據使得人們無法在網絡上快速發(fā)現(xiàn)他感興趣的信息，而個性化推薦系統(tǒng)能夠讓用戶快速找到其需要或感興趣的內容。協(xié)同過濾算法是應用最成功的個性化推薦算法之一，它利用用戶對物品的評分信息，但是對于剛進入系統(tǒng)缺乏足夠評分信息的新用戶和新物品就造成了協(xié)同過濾算法無法提供準確推薦的問題。本文除了使用評分信息，還把大量的社會網絡、標簽和時間等信息應用于推薦算法中，提出了兩個算法。主要包括以下工作:<

2、br>　　(1)本文提出基于貝葉斯網絡的協(xié)同過濾推薦算法，該算法是一種基于友鄰網絡劃分和貝葉斯網絡，首先對友鄰網絡進行劃分，然后通過用戶標簽信息和網絡劃分結果給用戶得到感興趣的標簽，最后基于貝葉斯網絡得到用戶對項目的偏好度進行推薦。
　　(2)本文考慮到用戶的興趣特征隨時間變化，利用用戶標注標簽的時間信息對標簽頻率進行時間加權。因為用戶最近使用的標簽相對于用戶早期標注的標簽更能體現(xiàn)用戶的興趣，所以本文在基于艾賓浩斯遺忘曲線擬合得到

3、的加權函數用于標簽頻率時間衰減，利用該衰減函數計算用戶某時刻標注的每個標簽權重。然后在用戶—標簽—物品的三部圖網絡結構中將初始資源設置為用戶不同時間使用標簽的加權權重并放在三部圖標簽節(jié)點上，在標簽—物品二部圖中進行一次物質擴散，該算法思想簡單且容易實施。
　　(3)最后本文使用Last.fm數據集，將基于貝葉斯網絡的協(xié)同過濾算法與傳統(tǒng)算法在準確性、多樣性和新穎性方面作比較，實驗結果表明基于貝葉斯網絡的協(xié)同過濾算法推薦性能更好。在L