1、隨著Internet和網(wǎng)絡(luò)信息技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)資源呈指數(shù)急劇增長(zhǎng)，傳統(tǒng)的通用搜索引擎的查詢結(jié)果只依賴于查詢關(guān)鍵詞，而實(shí)際上，即便相同的查詢?cè)~，不同的用戶查詢目的可能不同，所希望的返回結(jié)果也會(huì)因人而異。針對(duì)這種情況，人們迫切需要一種針對(duì)個(gè)人特點(diǎn)提供更加精確查詢結(jié)果的搜索工具，以用戶為中心的個(gè)性化搜索引擎便應(yīng)運(yùn)而生。 本文首先全面了解了實(shí)現(xiàn)個(gè)性化搜索引擎的基本理論和研究現(xiàn)狀，并對(duì)現(xiàn)有各種個(gè)性化推薦技術(shù)進(jìn)行性能對(duì)比分析，為以后的研

2、究提供了理論基礎(chǔ)。 接著，本文研究了推薦領(lǐng)域最重要的協(xié)同過(guò)濾算法，基于用戶推薦的協(xié)同過(guò)濾可以為用戶發(fā)現(xiàn)新的潛在感興趣的資源，但是具有稀疏性等缺點(diǎn)；基于項(xiàng)目推薦的協(xié)同過(guò)濾在某種程度上可以解決稀疏性，而且簡(jiǎn)單有效，但是只能發(fā)現(xiàn)和用戶已有興趣相似的信息。針對(duì)這些問(wèn)題，本文提出了一種基于單值分解的集影響協(xié)作過(guò)濾推薦算法，利用單值分解和增大影響集來(lái)提高協(xié)同過(guò)濾的推薦質(zhì)量，解決稀疏性問(wèn)題，改善推薦系統(tǒng)的性能。 然而在應(yīng)用了改進(jìn)的協(xié)同

3、過(guò)濾推薦算法的推薦系統(tǒng)中，除了已經(jīng)解決的稀疏性問(wèn)題，還存在著冷開(kāi)始新項(xiàng)目問(wèn)題、擴(kuò)展性問(wèn)題以及用戶潛在興趣難以挖掘等，本文在前面研究的基礎(chǔ)上，提出了一種個(gè)性化推薦融合算法，在優(yōu)秀的基于用戶協(xié)同過(guò)濾推薦思想基礎(chǔ)上，結(jié)合現(xiàn)有矩陣技術(shù)，擴(kuò)展影響集，利用基于項(xiàng)目協(xié)同過(guò)濾以及基于內(nèi)容過(guò)濾，解決了稀疏問(wèn)題、擴(kuò)展性問(wèn)題、冷開(kāi)始和用戶潛在興趣難以挖掘等問(wèn)題，提高了推薦系統(tǒng)的推薦質(zhì)量。并在此基礎(chǔ)上，提出了一種策略預(yù)測(cè)用戶評(píng)分，解決了由于用戶對(duì)資源苛刻程度不