推荐系统中两类冷启动问题的研究开题报告

1. 研究目的与意义

研究目的：研究分析国内外推荐系统的文献资料，结合现有的较为著名的推荐系统，分析现有推荐技术的发展前景和发展瓶颈。并针对推荐系统中使用最广泛的推荐技术协同过滤技术存在的突出问题冷启动问题进行分析研究，结合已有技术和已提出的改良方法，提出我的改进算法，以缓解新项目和新用户这两类冷启动问题。

研究意义：近几年来，随着互联网的高速发展，电子商务也呈现出繁荣景象，电子商务推荐系统应运而生，因极大的提供个性化服务而受到网络用户的推崇。但目前国内外对于推荐系统的研究却相当有限，推荐系统自身存在的一系列问题也尚未得到有效的解决， 而推荐系统的便捷快速个性化，也决定了它势必会成为未来电子商务研究的重点。所以对推荐系统尚存的问题进行研究改进，是站在科技的前沿，用发展的眼光去解决一个至关重要的问题。所以对推荐系统冷启动问题的研究是有实践意义的

2. 国内外研究现状分析

目前国内外对于推荐系统的研究都处于起步阶段。1997年，communication of the ACM杂志组织了关于CF的专刊，第一次使用了推荐系统这个名词。目前国外比较成功的推荐系统有GroupLens,PHOAKS和Ringo等，国内比较成熟的有互动出版网网上书店（http://www.china-pub.com/）,北京人大金仓信息技术有限公司的数字图书馆个性化推荐系统Kingbase DL等。

个性化推荐系统大致分为基于规则的推荐系统，基于内容的推荐系统，协同过滤推荐系统和混合式推荐系统四种。协同过滤推荐系统（Collaborative Filtering）是目前运用最广泛和最成功的推荐系统，分为基于存储的协同过滤和基于模型的协同过滤，基于存储的系统过滤又分为基于用户（User-based）和基于项目（Item-based）的协同过滤两类。

协同过滤技术通过分析与挖掘评分矩阵，找到与目标用户兴趣相似的最近邻来产生推荐，所以该推荐技术最大的优点是对推荐对象没有特殊的要求，能处理非结构化的复杂对象，如音乐电影等，并能发掘用户潜在的兴趣点。而协同过滤技术尚存在的问题是评分矩阵的稀疏性问题以及新用户新项目进入系统的冷启动问题，而稀疏性问题从本质上来说就是因为评分矩阵不够，也是一定程度的冷启动问题，所以对于协同过滤系统来说，目前急需解决的就是冷启动的相关问题。目前国内外的研究提出的解决方案有不考虑内容的随机推荐法，平均值法，众数法，信息熵法，相似度度量改进法，结合内容的原始评分矩阵扩充法，构建概率统计模型法等一系列方法。对改善冷启动问题确有一定的改善效果，但效果并不十分理想。

3. 研究的基本内容与计划

本文基本内容由五部分组成，各部分主要内容如下：

1.绪论。介绍推荐系统的发展历史、发展现状以及关键技术，阐述研究背景和研究意义。

2研究分析协同过滤技术。提出协同过滤技术的概念，介绍该技术的原理、分类，对冷启动问题进行阐述和分析，并通过现阶段提出的解决方法分析是否能有效解决问题。

4. 研究创新点

本文研究目前国内外研究较少但具有时代意义的推荐系统，针对推荐系统中尚未得到完全解决的冷启动问题，提出改进算法框架，在一定程度上缓解冷启动问题，对于推荐系统的发展具有实践意义。