基于二部图的个性化推荐系统研究与改进

第一章绪论…………………………………………………………………………ｌ１．１研究背景及意义………………………………………………………………………．１１．２国内外研究现状………………………………………………………………………２１．２．１个性化推荐系统研究现状…………………………………………．．２

１．２．２复杂网络研究现状…………………………………………………．．４

１．２．３基于复杂网络的个性化推荐系统研究现状………………………．．４１．３本文研究内容…………………………………………………………………………。５１．４论文结构安排……………………………………………………………………………。６第二章个性化推荐系统研究……………………………………………………。８２．１个性化推荐系统简介………………………………………………………………８２．２推荐算法概述…………………………………………………………………………９２．２．１基于内容的推荐算法………………………………………………．．９

２．２．２协同过滤推荐………………………。………………………………１１

２．２．３混合推荐算法………………………………………………………１４２．３推荐系统的评价指标………………………………………………………………．１４２．３．１准确性…………………………………………………．：…………．．１４

２．３．２多样性………………………………………………………………１５

２．３．３新颖性………………………………………………………………１６２．４个性化推荐系统面临的主要问题……………………………………………。１７２．５本章小结………………………………………………………………………………。１８第三章基于二部图网络的推荐算法分析……………………………………。１９３．１二部图网络概述………………………………………………………………………．１９３．２二部图网络的参数性质………………………………………………………………２０３．３基于二部图网络的推荐算法……………………………………………………．．２ｌ３．３．１物质扩散算法………………………………………………………２１

第一章绪论

１．１研究背景及意义

随着科技的进步以及整个信息产业的蓬勃发展，现代化社会已步入了一个崭新的信息时代。呈指数增长的信息量导致大量信息成为乏人问津的无效内容，其利用率反而被大大降低。因此，如何帮助用户在大量的网络内容中找到真正对其有价值的信息己变成互联网领域一项重要任务。

信息超载问题的解决方法之一是以搜索引擎【１】（ＳｅａｒｃｈＥｎｇｉｎｅ）为代表的信息检索系统，系统通过特定规则获取用户需求来推荐他们感兴趣的信息，这极大地降低了信息的获取成本１２］。典型的搜索引擎系统有Ｇｏｏｇｌｅ、Ｂａｉｄｕ等。但当不同用户在搜索引擎中使用相同关键字进行信息检索时，其得到的结果往往过于雷同，这不符合信息的多样化传播特性以及用户对信息的个性化需求，因此仍无法很好地解决信息超载问题。

为了进一步解决信息超载问题，ＭａｒｋｏＢａｌａｂａｎｏｖｉｃ等１３】于１９９５年在美国举办的人工智能协会上提出了个性化推荐系统（ＰｅｒｓｏｎａｌｉｚｅｄＲｅｃｏｍｍｅｎｄａｔｉｏｎＳｙｓｔｅｍ），根据用户喜好，从海量互联网内容中自动获取他们可能感兴趣的信息和产品，并向用户提供建议【４】。系统区分用户的个性化需求，根据一定的推荐算法自动地发现其兴趣点，成功的推荐系统可以提高用户黏性，使其对系统产生依赖。高效率地满足用户对个性化服务的需求，是当前电子商务网站在激烈竞争中的立身之本。

随着Ｗｅｂ２．０技术的日臻成熟，用户从被动的信息接收者发展为集信息创造者、信息传播者与信息接收者于一身，随着用户参与主动性的提高，其对信息的需求也愈发个性化。与此同时，由于融入了大量用户生成内容（ＵＧＣ）【５】，信息的内涵也变得更加丰富，精确的个性化推荐可以发掘用户潜在的兴趣点，为用户提供更好的服务。

推荐技术于二十世纪九十年代作为一个独立的概念而被提出，此后随着推荐技术应用价值的逐渐凸显，对其中包含算法的研究也越来越受到学界的重视。推