个性化搜索引擎推荐算法研究

《个性化搜索引擎推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第27卷第1期2010年1月计算机应用研究ApphcationResearchofComputersV．oI．27No．1Jan．2010个性化搜索引擎推荐算法研究陈华，李仁发，刘钰峰，练琪(湖南大学计算机与通信学院，长沙410082)摘要：将个性化引入搜索引擎出现了稀疏性、精确性、扩展性等新问题。针对以上问题，提出了一种基于SVD(单值分解)影响集的协作过滤推荐算法，在利用矩阵相关技术以及扩大影响的基础上，将用户潜在感兴趣的资源推荐给用户。实验表明，该算法可有效解决以上存在的问题，显著提高个性化系统的推荐质量。关键词：推荐系统；协同过滤；单值分解；相似性中图分类号：T

2、P311．5文献标志码：A文章编号：1001．3695(2010)01．0048．03doi：10．3969／j．issn．IDOl-3695．2010．01．013AlgorithmsrecommendresearchonpersonalizedsearchengineCHENHua，LIRen-fa，LIUYu-feng，L1ANQi(sdu,otofComputer＆Commaaieation，HunanUniversity。Chaagsha410082，China)Abstract：Theintroductionofpersonalizedintosearcheflgi

3、neeaufedtheproblemsofasparse，accuracy，scalability．Inviewoftheaboveproblem，thispaperproposedacollaborativefilteringrecommendationalgorithmsbasedontheimpactofSVDtorecommendresourcesofpotentialinteresttousers，usingmatrix—relatedtechnologiesandexpandingitsinfluence．Theexperi-meritSHOWSthatthealg

4、orithmCaneffectivelysolvetheaboveproblems，significantlyimprovetherecommendationqualityofthepersonalizationsystem．Keywords：recommendsystems；collaborativefiltering；singlevaluedecomposition(SVD)；similarity以C,oogle、Baidu为代表的搜索引擎已为人们熟知，具有基于关键字、通用性等特点。而对于如何为不同兴趣、背景的用户提供更高效率、更专业的服务，使得个性化搜索引擎技术成为目前的

5、研究热点之一。个性化搜索引擎就是针对用户的不同需求，在查询关键字相同时，根据用户背景和其用户群喜好主动为用户推荐满足用户潜在兴趣的资源。如果用户1喜欢去关于探险的地方旅游，而用户2则喜欢去浪漫的地方旅游，则两者的需求不同。而现有的搜索引擎在输入相同关键字“旅游”时，返回的结果是没有区别的。本文的研究则是针对需求的不同，为用户提供不同的更专业的服务。目前存在许多不同的推荐系统，个性化搜索引擎使用的最主要的技术是推荐技术，根据所采用的技术不同，分别有基于规则的、基于项目的、基于用户的推荐等，但是最主要的还是基于用户的推荐。1相关工作现有的推荐大都采用基于项目推荐、基于用户推荐。项目

6、推荐简单、有效，但是只能发现与用户已有兴趣相似的信息；用户推荐可以为用户发现新的潜在感兴趣的资源，但是具有稀疏性和扩展性等缺点。本文是在考虑如何利用现有技术解决稀疏性和扩展性而展开的。1．1用户与资源描述用户与资源的关系⋯建模(表1)用m×／It阶矩阵表示。其中，m个用户，iq．个项目，R。代表用户i对项目』的评分。·表1用户项目矩阵型堕塑L：：：!垫：：：!!竺!userIRI．1⋯RI，j⋯尺I．^；i；”‘Ri．IRidR1．nj；j竺竺竺2墨苎：!：：：兰巴正：：：墨2：：1．2推荐算法信息过滤技术可分为如下三种：a)基于规则过滤。规则其实是用一些if-else语句，可

7、以利用用户静态属性或动态信息来建立。可以由用户定制规则，也可以利用关联规则挖掘规则¨1，根据当前用户感兴趣的内容，通过规则推出用户还没有阅读过的感兴趣的内容。规则推荐依赖规则的质量和数量，基于规则的缺点是随着规则的数量增多，系统将变得难以管理。b)基于内容过滤(content-basedfiltering)。基于内容的推荐口1的基本思想是根据用户以前的兴趣来推测用户以后的兴趣。基于内容过滤系统的优点是简单、有效，缺点是难以区分资源内容的品质和风格，而且不能为用户发现新的感兴趣的资源，只能发现