基于用户行为的个性化推荐研究.docx
文本预览下载声明
基于用户行为的个性化推荐研究
摘 要
随着互联网技术的快速发展，中国网民规模已超过八亿，每日约有万亿级别的数据产出，推荐系统的出现是为了帮助用户在海量数据中找到感兴趣的内容。基于用户的协同过滤算法易于实现且精度较高，使得该算法迅速普及。在用户评分数据较为稀疏的情况下，传统用户相似度度量方法的缺点逐渐暴露出来。本文针对基于用户的协同过滤算法进行研究，研究该算法在TopN推荐上的推荐效果，结合实例进行分析，提出改进相似度的一系列方案，然后经过验证得出最佳的相似度改进方案。
本文认为用户对项目进行评分的行为本身是兴趣的体现，两用户在共同评分项的差异较大会造成两用户相似度较低，但不能认为两用户
显示全部