資源描述：
《考慮時間情境的群體推薦算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中文摘要隨著信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，大量信息不斷涌現(xiàn)。這給人們帶來便利的同時也使得人們越來越難以從批量信息中找到自己想要的信息。個體推薦系統(tǒng)是一種有效地解決信息過載現(xiàn)象的工具，可以根據(jù)用戶的興趣偏好和歷史購買記錄為用戶推薦可能感興趣的商品或信息，它的出現(xiàn)極大的緩解了信息超載的狀況。顯然個體推薦針對的是個體用戶，對于想要一起進(jìn)行群體活動的群體用戶，難以發(fā)揮效用。于是群體推薦受到大家的關(guān)注，并且很多人開始致力于研究群體推薦系統(tǒng)。群體推薦研究如何從批量信息中選取群體用戶需要的信息，比個體推薦更復(fù)雜，
2、需要解決的問題也更多。群體推薦能夠有效地解決群體社交活動問題，因而存在著廣闊的應(yīng)用前景。但是現(xiàn)有的群體推薦研究是很不完善的，沒有考慮用戶所處的上下文情境信息。這些上下文信息包括用戶訪問系統(tǒng)的時間、地點(diǎn)、心情等，對于提高推薦系統(tǒng)的推薦質(zhì)量是非常重要的。時間情境是其中最重要的一種信息，對用戶興趣有著深入而廣泛的影響。因?yàn)橛脩襞d趣是時刻變化著的，對物品的偏好有季節(jié)效應(yīng)，而且物品也是有生命周期的。如果我們要準(zhǔn)確預(yù)測用戶現(xiàn)在的興趣，應(yīng)該更加關(guān)注用戶最近的行為而不是公平對待用戶的每一個行為。因此，本文將時間情境作
3、為影響群體推薦結(jié)果很重要的一個因素。因?yàn)槿后w打分在很多推薦系統(tǒng)中難以得到，所以我們定義了公式來得到群體打分，然后利用模態(tài)符號數(shù)據(jù)分析方法建立群體模型，從而提出了一種全新的群體推薦算法。在此算法中，用戶評分時間越久的項(xiàng)目對用戶的興趣影響越小，對于不同的個體打分和群體打分，給予不同的權(quán)重。然后運(yùn)用協(xié)同過濾算法找到群體的個體用戶鄰居，進(jìn)而為群體用戶產(chǎn)生推薦列表。利用movielens數(shù)據(jù)集進(jìn)行了一系列的實(shí)驗(yàn)之后，表明本文提出的算法能夠反映群體興趣，而且不管是準(zhǔn)確度還是覆蓋率，本文提出的算法都能夠很好的為群體
4、用戶數(shù)量多的群體產(chǎn)生有效的推薦。關(guān)鍵詞：群體推薦；符號數(shù)據(jù)；時間情境；協(xié)同過濾ABSTRACTWiththerapiddevelopmentofinformationtechnologyandInternettechnology,largeamountofinformationcomesoutconstantly.Thisbringsconveniencetopeopleandatthesametime,makespeoplemoreandmoredifficulttofindtheinformati
5、ontheyneedfrommassinformation.Personalizedrecommendationsystemisoneofthetoolstosolvetheproblemofinformationoverloadeffectively,anditseffectivenesscanrelievetheexistingsituation.Itrecommendsuserswithitemsorinformationtheymaybeinterestedinaccordingtothepr
6、eferenceandpurchasehistoryofusers.Butobviously,individualrecommendationaimsatindividualusersandcannotexerteffectivenessongroupuserswhowanttogoouttogether.Sogrouprecommendationhasreceivedmoreandmoreconcernandmanypeoplestarttodevotethemselvestostudyinggro
7、uprecommendationsystem.Grouprecommendersystemsstudyhowtoselectitemsfromhugeamountofinformationtosatisfygroupusers’needs.Asithasprovedtobeapowerfulwaytosolvetheselectionproblemforsocialgroupactivities,itdoeshaveexcellentapplicationprospects.Contextinform
8、ationsuchasthetimeusersgetaccesstowebsites,location,ormoodplaysasignificantroleinimprovingrecommendationquality.Butpreviousgrouprecommendationresearchisinsufficientbecauseofignoringtheimportanceofuses’contextinformation.Amongthec
