基于协同过滤技术的推荐方法研究开题报告

1. 研究目的与意义

针对传统协同过滤算法的弊端，包括用户越来越难以发现自己感兴趣的信息，以及随着时间的推移，流行项目的更迭和增多，本文引入用户兴趣度时间加权函数和项目流行度时间加权函数，并提出项目类别相似性和动态时间加权的协同过滤推荐算法，旨在解决传统协同过滤算法的弊端。该技术根据用户在最近一段时间所感兴趣的项目，及最近一段时间所流行的项目，进行协同过滤，弥补了传统协同过滤在实时性方面的不足。

2. 国内外研究现状分析

随着电子商品站点用户和商品项数量的不断增长，个性化推荐系统广泛应用于电子商务、网络个人影音柜、个人书架等领域。亚马逊网络书店（amazon）应属最著名的电子商务推荐系统，它能为不同兴趣偏好的用户自动推荐尽量符合其兴趣需要的书籍。amazon能自动分析顾客购买过的东西，然后因人而异地提出合适的意见。此外，读者的信息将被保存，下次顾客访问的时候，网页上会出现顾客的姓名和欢迎字样，读者购买图书将变得更加容易。

国外应用协同过滤技术的时间比较早。1992年，tapestry最早应用协同过滤系统,该设计主要解决xerox公司在palo alto的研究中心资讯过载的问题。这个研究中心的员工每天会收到非常多的电子邮件却无从筛选分类，于是研究中心便发展这项实验性的邮件系统来帮助员工解决这项问题。其运作机制大致如下：个人决定自己的感兴趣的邮件类型；个人旋即随机发出一项资讯需求，可预测的结果是会收到非常多相关的文件；从这些文件中个人选出至少三笔资料是其认为有用、会想要看的；系统便将之记录起来成为个人邮件系统内的过滤器，从此以后经过过滤的文件会最先送达信箱 。1994年，grouplens将其应用于新闻的筛选上，新闻阅听者可以过滤其感兴趣的新闻内容，阅听者看过内容后给一个评比的分数，系统会将分数记录起来以备未来参考之用。还有一个著名的例子是facebook的广告，系统根据个人资料、周遭朋友感兴趣的广告等等对个人提供广告推销，也是一项协同过滤重要的里程碑。

与国外相比，我国的个性化推荐系统处于初步进入阶段。随着网络的普及以及电子商务的推广应用，对个性化推荐系统的需求越来越急切，而协同过滤技术在个性化和自动化领域中发挥着关键的作用，因此，协同过滤技术的研究深入也就显得越来越急切。我国现有的推荐系统从推荐的深度、规模性和质量方面都远远落后于国外，主要存在如下问题：首先，推荐的精度不够。很多的推荐结果是针对所有用户的，是非个性化的推荐，可能很多推荐与用户感兴趣的项目并不相符合。其次，推荐的自动化程度低，用户参与的非常多，不能保存用户每次输入的信息。接着，推荐的持久性服务低，推荐是建立在用户当前访问的基础上，而不能根据用户的浏览历史给出推荐。国内的互动出版网网上书店应用协同过滤系统。该系统为每个会员建立一个我的chinapub账户，用来记录用户最近的访问记录，会员进行相关选择，然后推荐系统根据相关规则为用户推荐书籍。应用类似的推荐系统的还有国内的网上书店当当网。

3. 研究的基本内容与计划

研究内容主要包括以下几个方面：总结归纳出现有的推荐系统的技术，分析各自的特点以及适用范围；利用用户建模技术，构建推荐系统并分析其可行性；分析传统协同过滤算法存在的弊端，引入用户兴趣度时间加权函数和项目流行度时间加权函数，提出结合项目类别相似性和动态时间加权的协同过滤推荐算法；对改进算法进行相似的理论分析，给出改进算法在标准数据集上的实验结果，并对改进算法与原算法进行相关性能的比较分析。

进度安排如下：

2013.03.01-----2013.03.31，阅读文献，撰写开题报告。 2013.04.01-----2013.04.25，做好系统，并拟好论文初稿。 2013.04.26-----2013.05.15，完成论文，并准备答辩。

4. 研究创新点

本文的特色与创新之处有以下几个方面：

（1）构建用户评估矩阵时，对传统的构建方法进行改进，对解决用户项目矩阵的稀疏性，提高推荐系统的覆盖率提出新的方法。（2）将用户对项目的评价与评价的时间，项目的流行度与时间相结合起来。在推荐的过程中，综合考虑用户所感兴趣的项目，项目受欢迎程度，以及时间因素，提高了协同过滤的质量。