作为解决“信息过载”问题的重要手段——个性化推荐系统，是通过建立用户和项目之间的二元关系来实现个性化的推荐。首先，对于信息用户，它可以帮助用户发现对自己有价值的信息资源；其次，对于信息提供者，它可以使自己的信息脱颖而出呈现在对它感兴趣的用户面前，实现信息消费者和信息生产者的互利双赢。实现用户和信息间的联系主要是通过图2.5中所示的3种方式。
图2.5 3种用户和项目间的联系方式
Fig.2.5 Three kinds of contact between users and items
第一种方式是通过计算与用户喜欢的项目的相似度，推荐与喜欢项目相似度高的项目给用户，实际是基于项目的推荐。第二种方式是通过计算用户的相似度，将相似度高的用户视为有相同爱好的用户，并将这些用户喜欢的项目推荐给该用户，实际是基于用户的推荐。第三种方式是通过对特征信息的分析，为用户推荐与喜欢的项目具有相同或相似特征的项目给用户。经分析发现，这3种方式是通过项目的相似特征或用户的相似特征发生关联，即根据当前现有的用户选择过程或相似性关系来挖掘每个用户可能感兴趣的项目，从而实现个性化推荐。本书提出的基于支持向量机的个性化推荐策略就属于第三种方式，即通过对一定的特征进行建模，实现用户和项目偏好之间的映射关系。(www.xing528.com)
基于支持向量机和特征信息的个性化推荐系统，如图2.6所示。在这个过程中，关键的步骤有两个：一是特征提取；二是根据特征训练模型并使特征与项目发生一定的映射关系，即实现“特征-项目”之间的关联。
图2.6 基于支持向量机的个性化推荐框架
Fig.2.6 Framework for personalized recommendation based on SVM
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
