● 摘要
Internet的迅猛发展将人类带入了信息社会和网络经济时代，对企业发展和个人生活都产生了深刻的影响。随着网络信息的迅速发展，巨大的海量信息充斥着整个网络，不仅信息量庞大，而且结构变得更加复杂，用户在查找信息的同时往往会迷失方向，难以找到自己所需的信息或服务。如何帮助用户在大量的信息空间中快速、准确的找到其感兴趣的信息已经成为网络信息时代面临的一个主要问题，在此背景之下，个性化服务技术应运而生，得到了越来越多的研究者的关注，并在电子商务、数字图书馆、远程教育等领域进行了大量实践和应用，成为这些领域发展过程中的一个重要组成部分。随着个性化技术的进一步发展，目前出现了许多关于个性化的资源推荐技术，比如有基于规则的资源推荐技术、基于内容过滤的资源推荐技术和基于协同过滤的资源推荐技术等，其中基于协同过滤的资源推荐技术是目前运用最为成功的资源推荐技术。但是，随着个性化系统规模的进一步扩大，个性化系统的发展也面临着严峻的技术挑战。现有大多数协同过滤算法存在着精确性、数据稀疏和新项目推荐等几个主要问题。论文针对个性化推荐服务技术面临的技术挑战，研究了个性化服务的推荐技术，并重点研究了传统协同过滤推荐方法。通过分析传统协同过滤方法存在的稀疏性和新项目问题，提出了一种基于项目分层的个性化推荐方法。该方法从项目的分类分层关系中挖掘用户之间的潜在相关性，较准确全面的评价用户相似性，并结合项目间的相似性，进行新项目的推荐。实验表明，该方法在准确性、决策支持精度和F-measure值方面，较之传统协同过滤推荐方法都有一定的提高，尤其在数据极度稀疏的情况下，这种性能的提高更明显。论文还结合课题的具体需求，设计了个性化推荐服务系统的体系结构，设计并实现了个性化推荐原型系统，并使用门户的portlet技术将推荐资源进行了展现。