导 师: 谭北海;谢振东
授予学位: 硕士
作 者: ;
机构地区: 广东工业大学
摘 要: 随着互联网的飞速发展,用户可以从网上得到的信息呈现几何级增长。互联网改变了人们的生活,带来了诸多便利,同时也造成了一些负面影响。“信息过载”就是其中之一。“信息过载”指的是用户很难从海量的信息中快速准确的找到自己所需要的信息。针对信息过载问题,目前有两种技术手段去解决。第一种就是以搜索引擎为代表的信息搜索技术,另外一种就是以推荐系统为代表的信息过滤技术。二者的区别在于,搜索引擎需要用户有明确的需求,得到信息质量的好坏很大程度取决于用户对信息描述的精准程度。而推荐系统则不同,它是根据用户的历史行为和数据去挖掘用户的兴趣和需求,可以从海量的信息中筛选出用户感兴趣的信息。在用户对自己需求不是十分明确的时候,推荐系统的作用就显得更加重要,更能满足用户的个性化需求。 推荐系统的核心是推荐算法。目前,已经有很多推荐算法被提出,协同过滤便是诸多推荐算法中,应用的最多且最为有效的。虽然协同过滤推荐算法在实际商业推荐中得到了广泛应用,但是仍然存在诸如数据稀疏性,冷启动等问题。 本文提出了一种结合项目标签与评分的协同过滤推荐算法,其核心在于对项目相似性度量方法进行改进,提高推荐的准确性,使得推荐的物品更具有个性化,缓解遇到数据稀疏性问题推荐不佳的情况。主要工作包括: 针对传统基于项目的协同过滤推荐算法中存在推荐准确性不高,数据稀疏性问题。提出了新的项目相似性度量方法TPSSI。一方面引入了标签信息,通过项目的标签信息计算项目之间的相似度,克服了仅用项目评分信息计算相似度的不足之处。另一方面充分考虑评分相似性和结构相似性,针对原有项目相似性度量方法,在利用用户-项目�