摘 要

随着互联网的迅速发展和普及，我们进入了互联网时代，计算机网络及信息技术在人们生活的各个方面都得到了广泛的应用，网络已经融入了大部分人的生活之中，影响着人们的生活方式。但是，在海量信息给人们带来诸多便利的同时，也大大增加了获取所需信息的难度。面对既丰富又繁杂的信息，人们常常感到束手无策，不知道哪些信息对自己有参考价值。人们已经从信息匮乏的时代迈入信息过载的时代。随着“信息过载”现象愈演愈烈，在大量的信息资源中如何帮助用户准确、高效地获取所需要的资源信息，成为了计算机网络技术发展过程中的重要任务。

在这种环境下，个性化推荐系统应运而生，推荐系统通过显式或者隐式的方式来获取用户的行为信息，来为用户推荐其感兴趣或者对其有价值的信息资源。个性化推荐技术发展迅速，已经成功地应用于个性化推荐系统中，目前应用较为广泛的个性化推荐技术有信息检索、基于内容的推荐技术、基于协同过滤的推荐技术等。

本文主要是针对产品（商品）网站运用协同过滤技术进行推荐系统的建模研究。考虑到购物网站的用户数据以及行为数据获取难度较高，决定获取电影网站的用户行为信息以及电影信息，通过这些信息资源来完成推荐系统的建模，找到与目标用户有相同或相似观影偏好的其他用户，来对目标用户进行电影推荐，生成电影的推荐列表。文章主要介绍了应用较为广泛的几种互联网推荐技术、协同过滤算法的思想与实现过程以及相似度计算的方法。最后，指出本次研究的不足之处以及后续研究的思路与方向。

关键字：推荐系统；推荐技术；协同过滤

Abstract

With the rapid development and popularization of the Internet, we entered the Internet era, computer technology, especially computer network technology in many aspects of life have been applied, the network has been integrated into the lives of most people, affecting the Internet users lifestyle. People can get through the Internet to get rich and comprehensive information for the life, work has brought convenience. However, in the mass of information to bring people a more diverse choice, but also greatly increased the difficulty of obtaining the required information. In the face of such a rich but also complicated information, it is often difficult to accurately obtain the information you need to choose, or even do not know what information on their own reference value, is interested in their own. People have been from the era of lack of information into the era of information overload.

With the "information overload" phenomenon intensified, in a large number of information resources, how to help users accurate and efficient access to the required resource information, computer network technology has become an important task in the development process. In this environment, the personalized recommendation system came into being, the recommendation system through the explicit or implicit way to obtain the user's behavior information, to recommend the user interested in or valuable information resources. Personalized recommendation technology has developed rapidly, has been successfully applied in the personalized recommendation system, the current application of a wider range of personalized recommendation technology has information retrieval, content-based recommended technology, collaborative filtering based on recommended technology.

This thesis is mainly for the product (product) website using collaborative filtering technology to recommend the system modeling research. Taking into account the shopping site user data and behavior data acquisition is more difficult to decide to obtain the movie site user behavior information and movie information, through the information resources to complete the recommended system modeling, to find the same or similar to the target user preferences Of the other users, to the target user to the film recommended to generate a list of recommended movies. This paper mainly introduces the idea of several Internet recommendation techniques, cooperative filtering algorithm and the realization process and similarity calculation method.

Finally,it points out the shortcomings of this study and the ideas and directions of the follow-up study.

Key Words：recommended system；recommended technology；Collaborative Filtering

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.2.1 推荐系统的研究现状 2

1.2.2 推荐算法的研究现状 2

1.3 论文的主要研究内容 3

1.4 论文的结构安排 4

1.5 本章小结 4

第二章 个性化推荐技术研究 5

2.1推荐系统概述 5

2.1.1 推荐系统的概念 5

2.1.2 推荐系统的基本框架 5

2.2 个性化推荐算法 7

2.2.1 信息检索 7

2.2.2 基于内容的推荐算法 8

2.2.3 协同过滤算法 8

2.2.4 基于知识的推荐算法 9

2.2.5 混合推荐算法 9

2.3 本章小结 10

第三章 协同过滤算法研究 11

3.1.1 基于用户的协同过滤算法 11

3.1.2 基于项目的协同过滤算法 11

3.1.3 不同算法的适用环境 12

3.2 协同过滤算法流程 13

3.2.1 协同过滤算法模型 13

3.2.2 生成评分矩阵 14

3.2.3 寻找相似邻居 14

3.2.4 产生推荐 16

3.3 本章小结 16

第四章 实验设计和结果分析 17

4.1 推荐系统设计 17

4.1.1 实验环境 17

4.1.2 数据收集 17

4.1.3 相似度计算 18

4.1.4 寻找近邻 20

4.1.5 进行推荐 21

4.1.6 主函数 21

4.2 实验运行结果 22

4.3 本章小结 24

第五章 总结与展望 25

5.1 本文工作总结 25

5.2 实验不足与展望 25

参考文献 27

致谢 29

第一章 绪论

1.1 研究背景及意义

互联网技术的迅速发展和普及使我们进入了信息爆炸的时代。计算机网络技术在社会的各个领域得到了应用，网络已经与大部分用户的生活工作联系到了一起。近些年随着电子商务的蓬勃发展，让人们在商品信息上的获取上变得十分方便，越来越多的人都开始使用电子商务网站。随着互联网用户的增长，为了满足大量用户的需求，各种类型的电子商务都在推陈出新，各大产品（商品）网站也在不断上架新的商品。以至于网络信息数据呈现出指数级增长的膨胀事态，这直接导致出现越来越严重信息过载现象，信息的利用率反而随着信息的增长而降低了。用户很难在海量数据中找到自己所感兴趣的信息，而且也会使一些拥有价值却没有第一时间被人们所关注的信息淹没在信息的海洋中，使用户难以获取。信息过载这个问题是可以通过传统的搜索算法来得到某种程度的解决，但是这种信息检索的技术具有很大局限性，它无法根据不同用户的兴趣偏好来提供用户所需要的信息，它对于每个用户呈现的推荐信息都是一样的，并不能满足用户以及信息的迅速增长。在海量的信息资源中如何帮助用户准确、高效地获取所感兴趣的信息资源，成为了网络信息技术发展过程中的重中之重。个性化推荐技术在这种环境及背景下被研究者们提出。

个性化推荐技术在20 世纪90 年代首次被人提出，成为一个独立的概念^[1]。随着个性化推荐技术的不断发展，证明了推荐技术在解决信息过载问题上要优于信息检索，而且具有很大的潜力，先已在各个性化推荐系统中得到应用。个性化推荐系统是根据用户的行为信息来预测并推荐每个用户所感兴趣的信息的系统。个性化推荐系统在电子商务领域具有比较好的发展与应用前景。比如Netflix，Amazon，淘宝，Youtube，豆瓣等知名的电子商务网站，都在使用个性化推荐系统。