基于用戶興趣和瀏覽行為的個性化推薦技術研究.pdf

1、在互聯(lián)網快速發(fā)展的今天，網絡上的信息日益膨脹，面對這眾多的信息資源，廣大網民發(fā)現(xiàn)越來越難以獲得自己想要的信息。個性化的服務技術就在這種需求背景下誕生了。個性化服務是根據(jù)用戶的設定來實現(xiàn)的，是一種有針對性的服務方式，通過各種渠道對資源進行收集、整理和分類，向用戶提供和推薦相關信息，以滿足用戶的需求。個性化服務打破了傳統(tǒng)的被動式的服務模式，能夠充分利用各種資源優(yōu)勢，主動開展以滿足用戶個性化需求為目的的服務。
　　本文對個性化推薦系統(tǒng)及

2、其相關技術進行了研究，首先分析了間接信息提取和直接信息反饋這兩種常用的互聯(lián)網用戶愛好提取方式各自的優(yōu)點和缺點，并在這一基礎上提出了一種利用半顯式半隱式愛好提取方式來得到互聯(lián)網用戶的興趣信息的新的互聯(lián)網用戶愛好提取方式。其次對常見的幾種興趣模型進行了分析，提出了構建在互聯(lián)網用戶興趣消退基礎上的興趣模型表示。最后通過對個性化推薦系統(tǒng)的設計目標進行分析，在互聯(lián)網用戶興趣消退的興趣模型基礎上，利用Pearson相關性算法計算用戶和資源項目間的相

3、似性，并利用K最近鄰分類算法計算相似用戶的“鄰居區(qū)”，進而提出了基于資源項目的個性化推薦。
　　此外，還對Pearson相關性算法和基于余弦的相似性算法進行了對比測試，實驗結果表明Pearson相關性算法和基于余弦的相似性算法相差不大。在最近鄰體積的大小對個性化推薦系統(tǒng)質量的影響的測試中發(fā)現(xiàn)當最近鄰體積超過30時最近鄰體積的大小對推薦系統(tǒng)的質量影響不明顯。對基于用戶的協(xié)同過濾算法和基于資源項目的協(xié)同過濾算法的比較測試則表明基于資源