论文部分内容阅读
随着信息时代的来临和互联网产业的高速发展,互联网已经普及到千家万户,并在人们的生活中扮演着越来越重要的角色。互联网中蕴含的巨大的商业价值也一直备受各界的广泛关注。随着互联网用户和互联网上提供的服务和商品日益增加,用户需要花费大量的时间浏览无关的信息才能找到自己需要的服务和商品。在这种情况下,个性化推荐系统应运而生。个性化推荐系统根据用户历史的互联网使用行为,通过使用各类计算机技术和数据挖掘技术,挖掘出用户的兴趣特点和当前需求所在,向用户推荐他可能感兴趣的服务和商品。这在方便了用户的同时也为互联网企业带来了巨大的效益。协同过滤算法是个性化推荐系统中最成功的算法之一,被广泛的研究和应用于实际,目前仍然有很多问题值得进一步的研究和分析。
本文综述了当前互联网中几种常用的个性化推荐算法,重点介绍了协同过滤算法的原理、流程及其优缺点。针对传统算法的缺陷,分别提出了基于时序更新机制的协同过滤算法和基于结构化思想的协同过滤算法。并通过利用某互联网网站提供的匿名(经过加密处理后的)用户数据,对新机制下的算法加以实现,通过与传统算法进行比较评估亲机制下算法的效果。新机制下的算法在一定程度上提升了推荐精度和推荐效率,为个性化推荐系统的研究提供了新的思路。