基于协同过滤算法的智能推荐系统研究

当今社会信息在各个领域的充斥,用户经常会迷失在海量的信息中。为解决用户在网上如何快速准确获取信息,用协同过滤算法设计电影推荐系统。文章建立了分析用户喜好模型,采用了UFTB算法从用户看过的电影及其类型入手,对用户看过的电影类型与评分数据进行分析。在建立分析电影推荐模型中,本文采用了协同过滤算法,计算修正后的余弦相似度,对缺省值进行预测以优化算法。并且为防止过度优化,采取剔除用户非喜好类型电影,得到优化缺省值预测矩阵,将相似度数据带入推荐公式得出数值并使用排序,找出与目标用户相似度最高的N个用户,根据它们的喜好对目标用户进行电影推荐。而对于一个新用户来说,其信息只有年龄与职业,我们只能从这两方面进行分析,从常识角度,年龄对观看电影类型的影响度大于职业,故本文假设职业固定,只分析年龄对观看电影类型的影响,建立线性函数模型,计算不同用户与新用户年龄的相似度,再带入已得到的推荐公式得出数值,找出与目标用户相似度最高的N个用户,根据它们的喜好对目标用户进行电影推荐。

污染源信息推荐的用户喜好模型研究

由于污染给社会生活带来的诸多困扰和污染源的固有特性,作为污染源信息需求者的环境保护机构和个人,如何从大量污染源信息中找到自己关注的信息;同时,对于污染源信息提供者,怎样使自己的信息为广大用户所关注,是环保领域比较突出的矛盾和问题。本文通过建立基于年龄和职业的用户喜好模型,利用UFTB算法从用户看过的污染源信息及其信息类型入手,对用户看过的污染源信息类型与评分数据进行分析。在建立分析污染源信息推荐模型中,采用协同过滤算法计算修正后的余弦相似度,对缺省值进行预测以优化算法。为防止过度优化,采取剔除用户非喜好类型污染源信息,得到优化缺省值预测矩阵,将相似度数据带入推荐公式得出数值并使用排序,根据搜索出的与目标用户相似度最高的N位用户的喜好对目标用户进行污染源信息推荐。