[01729040]基于用户相关性智能个性化推荐系统研究

随着互联网和智能设备近几年的飞速发展,数据和信息以前所未有的速度爆炸式地增长。如何从海量数据中发现自己希望寻找的内容已经成为越来越多的用户面临的一个难题。推荐系统能够通过用户的个人信息,智能地感知用户的兴趣或需求,实现信息的高质量推荐。然而目前的推荐系统法能够提供高精度的推荐,但是只注重精确度而缺少多样性的推荐是不合理的。因为在现实的商业环境下,公司可以通过提供多样性的推荐来获得更多的利润。例如,对于一个电影或者音乐公司,当前刚发行或者流行的商品往往很高的版权费用,如果推荐系统能够根据用户的个人信息,鼓励用户更多的租借或者购买适合自己的发行已久的非流行商品,这样就可以降低公司的成本,从而提高公司的利润率。因此如何进行个性化推荐成为目前企业和科研机构迫切需要解决的问题。在深入研究和分析现有推荐系统算法的基础上,结合覆盖粗糙集丰富的理论知识,课题组构建了一种基于覆盖粗糙集的协同过滤算法,并用现实中的公开数据集验证了算法的有效性和稳定性。基于以上研究,课题组成功开发了一种实现用户个性化推荐的系统,实现了科研成果从实验室转向企业的产学研模式,推动了本市在大数据和人工智能领域的发展。