1、Internet為人們提供了極其豐富的信息資源，在這些海量、異構(gòu)的Web信息資源中蘊含著具有巨大潛在價值的知識。但是，面對信息的汪洋大海，人們往往感到無所適從，-出現(xiàn)了所謂的“信息過載”和“信息迷向”的現(xiàn)象。根據(jù)用戶訪問項目的歷史記錄以及項目之間的相關(guān)信息可以構(gòu)建用戶的興趣模型，從而憑借該用戶興趣模型對繁雜的信息進(jìn)行過濾，并向用戶推薦其可能感興趣的項目，這就是個性化推薦系統(tǒng)所做的事情。事實上，推薦系統(tǒng)已經(jīng)成為目前解決信息過載最有效的工具

2、之一。針對個性化推薦系統(tǒng)存在的用戶興趣漂移問題，本文提出了基于網(wǎng)絡(luò)稠密度的用戶興趣漂移檢測方法，并利用該方法設(shè)計了包裹(wrapper)一般推薦系統(tǒng)的方法，該方法能在快速檢測用戶興趣漂移的同時去除噪聲用戶對推薦系統(tǒng)的影響，提高推薦系統(tǒng)的精確度和穩(wěn)定性。并以科技論文在線推薦系統(tǒng)為研究背景，設(shè)計了基于網(wǎng)絡(luò)結(jié)構(gòu)的快速論文推薦算法，并把該算法應(yīng)用到中國科技論文在線的實際數(shù)據(jù)上，實現(xiàn)了一個論文在推薦系統(tǒng)網(wǎng)站。主要工作如下： 1)提出了一種

3、能夠適用于推薦系統(tǒng)的基于項目相似網(wǎng)絡(luò)結(jié)構(gòu)的興趣漂移快速檢測算法。該算法根據(jù)用戶已訪問的項目構(gòu)建相似網(wǎng)絡(luò)，并以該網(wǎng)絡(luò)的稠密度和連續(xù)度為依據(jù)去除噪聲用戶，同時依據(jù)稠密度的變化來檢測興趣漂移的發(fā)生與否和發(fā)生時刻。由于用戶訪問項目網(wǎng)絡(luò)一般較小，計算量大大縮減，實現(xiàn)了在快速檢測興趣漂移的同時，避免了噪聲用戶數(shù)據(jù)對推薦系統(tǒng)穩(wěn)定性的影響。 2)把基于用戶訪問項目網(wǎng)絡(luò)稠密度的興趣漂移檢測算法應(yīng)用到推薦系統(tǒng)，用以解決用戶興趣漂移對推薦系統(tǒng)性能影響

4、的問題。為此，本文實現(xiàn)了基于內(nèi)容和基于協(xié)同過濾兩種基本的推薦算法。為驗證本文興趣漂移檢測算法應(yīng)用到推薦系統(tǒng)中的有效性，我們在MovieLens提供的用戶對電影評分?jǐn)?shù)據(jù)集上，引入模擬的用戶興趣漂移數(shù)據(jù)。實驗結(jié)果表明，我們的興趣漂移檢測算法可以有效減少用戶興趣漂移對推薦系統(tǒng)帶來的干擾，提高了推薦性能。 3)將推薦系統(tǒng)應(yīng)用到教育部科技發(fā)展中心支持的科技論文共享網(wǎng)站的用戶個性化服務(wù)項目中，完成推薦系統(tǒng)在中國科技論文在線網(wǎng)站數(shù)據(jù)上的實際應(yīng)