基于用戶實時反饋的協(xié)同過濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務的迅猛發(fā)展，網(wǎng)絡用戶正面臨著越來越嚴重的信息過載問題，用戶不得不在海量的產(chǎn)品信息中尋找需要的商品。推薦系統(tǒng)可以有效地與用戶進行交互，根據(jù)用戶的喜好進行個性化的商品推薦，對提升用戶對電子商務網(wǎng)站的滿意度、增加商品銷售量有重要影響。但是，精確性問題和實時性問題嚴重制約了推薦系統(tǒng)的發(fā)展。
　　目前應用最為廣泛的推薦算法是協(xié)同過濾算法，協(xié)同過濾主要時間消耗用于相似度計算上。隨著用戶數(shù)量和項目數(shù)量的增加，推薦系統(tǒng)需

2、要不斷的重新計算相似度，造成推薦系統(tǒng)無法滿足用戶的需求?；谀Ｐ偷膮f(xié)同過濾算法從某種程度上解決了這個問題，但由于模型更新周期長而降低了推薦的精確性。針對以上情況，提出一種基于用戶實時反饋的協(xié)同過濾算法，該算法在用戶提交項目評分之后能實現(xiàn)對推薦模型數(shù)據(jù)的實時更新，從而更精確的反映用戶的興趣變化。本文的主要的研究工作如下：
　　1.對當前推薦系統(tǒng)和推薦算法的發(fā)展和研究情況進行了闡述，重點歸納了協(xié)同過濾推薦的基本原理以及推薦特點，總結了

3、傳統(tǒng)的協(xié)同過濾技術存在的弊端，為下文模型的提出奠定基礎。
　　2.為了能夠實時更新用戶的興趣變化，本文提出了基于用戶實時反饋的推薦模型，通過在線更新機制接收用戶的實時反饋對相似度數(shù)據(jù)進行局部更新，該反饋模型分為直接反饋和間接反饋兩部分，分別從不同角度反映用戶反饋對推薦結果的影響。
　　3.針對該種模型，本文又提出了一種基于用戶實時反饋的協(xié)同過濾算法，該算法通過巧妙的公式變化，實現(xiàn)了在傳統(tǒng)協(xié)同過濾算法上的實時更新功能，又通過引