推荐系统关键技术研究.pdf

推荐系统关键技术研究 【摘要】：随着互联网的高速发展 ,信息技术已经从专业领域应用扩展 到了人类工作和生活的各领域。 形式多样的互联网信息服务和应用已 渗透到人们生活的方方面面 ,人类社会原有的物理活动正逐渐向互联 网虚拟空间活动演变。 特别是社交网络、 云计算和 P2P应用等技术和 服务形式的迅速普及 ,传统互联网一对多的应用模式正在过渡到多对 多的 web2.0 应用模式 ,用户不仅是信息内容的使用者 ,同时也成为信 息内容的制造者和传播者。伴随互联网信息资源规模的迅猛增长 ,用 户要在海量信息空间中获得符合自己需求的信息也越发困难 ,形成了 信息过载问题。学术界和业界对信息过载问题表现出了广泛的关注 , 开展了大量的研究和实践工作 ,提出了多种形式的信息个性化解决方 案 ,以期为互联网信息服务用户提供符合其自身需求的信息。推荐系 统作为一种智能个性化信息服务系统 ,其可借助用户建模技术对用户 的长期信息需求进行描述 ,并根据用户模型通过一定的智能推荐策略 实现有针对性的个性化信息定制。鉴于推荐系统具有用户需求驱动、 主动服务和信息个性化程度高等优点 ,推荐系统在电子商务、在线学 习和数字图书馆等领域得到了广泛应用 ,并已成为公认最有前途的信 息个性化技术发展方向。 虽然推荐系统的研究和应用已经取得了一定的成果 ,但随着近几 年网络用户与信息资源规模进一步增长 ,传统推荐算法中存在的问题 逐渐暴露和放大 ,特别是推荐系统的稀疏性问题和概念漂移问题已成 为影响推荐系统准确性的主要问题 ,妨碍了推荐系统的进一步推广和 应用。 为了适应互联网信息服务的发展趋势 ,进一步提高推荐系统及其 算法的推荐准确性 ,本文以减少稀疏性问题和概念漂移问题对推荐算 法的影响为目标 ,对以下八个方面的内容进行了研究和讨论： (1)对互联网信息服务的发展现状进行分析 ,简要回顾了推荐系统 的发展历史 ,概括总结了推荐系统研究和应用的现状 ,并详细分析现有 推荐算法中存在的问题。 (2)对信息过载问题进行了问题定义和成因分析 ,在对传统信息检 索和信息过滤技术进行对比研究的基础上 ,从用户建模、推荐策略、 算法分类和算法评估等方面 ,对推荐系统进行全面分析和讨论。 (3)分析稀疏性问题的主要成因和表现 ,总结稀疏性问题直接和间 接影响推荐系统的主要途径 ,结合现有针对稀疏性问题所进行的算法 改进 ,给出了解决稀疏性问题的主要方法和策略。 (4)传统项目间相似度计算方法存在对公共评分的过度依赖 ,稀疏 性问题会引起公共评分数量的明显减少 ,而基于少量公共评分的相似 度计算将难以保证计算结果的准确性和可信度。 针对稀疏性问题对相 似度计算的影响 ,结合传统相似度计算的上述缺陷