论文部分内容阅读
随着信息过载时代的来临，在商圈中的商家和用户都受到信息的泛滥和冗余的困扰。作为智慧商圈服务平台的关键点，基于商圈的场景打造一个合适的推荐系统是解决这个问题的有效途径之一。然而，目前传统上的推荐系统存在一些局限性：1.尽管随着推荐领域多年发展众多推荐算法被提出，但人们经过实践发现每种推荐方法都或多或少存在着各种各样的缺陷；2.面对多维度的用户个性化信息，现有推荐方法对用户个性化信息的关注不够，不能充分利用这些信息。针对上述问题，本文对用户个性化建模技术和混合推荐技术进行了研究，并基于研究实现了一个混合推荐原型系统。本文的主要工作如下：1.针对现有推荐方法对个性化信息考虑不足，本文提出并设计了适用于智慧商圈场景下的基于特征的、面向推荐列表的个性化模型，这个模型能够充分利用用户个性化信息进行建模，并且能够根据模型推导出用户的推荐列表；2.本文针对单个推荐方法的不足，对混合推荐技术的三种类别进行了归纳，并在高效简单的加权Slope One评分预测算法的基础上，对于并行式和流水线式混合技术进行了实现并通过实验加以比较；3.经过比较和分析，针对并行式和流水线式混合技术的问题，本文研究了将多类别信息融入单个推荐算法的整体式混合技术，提出了四种在基于评分的加权Slope One算法下混合其他类型的个性化信息的算法——MWSO，包括基于加入物品或用户权重的加权Slope One算法，以及基于加入用户或物品相似度的加权SlopeOne算法。经算法实现和实验证明，混合了其他类型个性化信息的加权Slope One算法能够提高原算法的推荐准确性，证实了混合推荐技术的优势；4.在对个性化建模技术和混合推荐技术的研究和实验结果的基础上，对智慧商圈中基于个性化模型的混合推荐方法进行了探讨，设计并实现了一个混合推荐原型系统。通过该原型系统演示用例，展示了本研究相关技术和实现途径的可行和有效。