基于協(xié)同過濾的電子商務(wù)推薦算法研究.pdf

1、電子商務(wù)產(chǎn)業(yè)發(fā)展迅猛,網(wǎng)絡(luò)消費群體不斷擴大,網(wǎng)絡(luò)商品推薦技術(shù)應(yīng)運而生。由此而產(chǎn)生的個性化推薦系統(tǒng)不僅能夠快速地發(fā)現(xiàn)用戶興趣并做出推薦,還能發(fā)現(xiàn)用戶潛在興趣,提高電子商務(wù)網(wǎng)站的銷售量。協(xié)同過濾算法( collaborative filtering)是目前應(yīng)用最廣泛最成功的推薦技術(shù)之一,但該算法有著明顯的缺陷:隨著電子商務(wù)系統(tǒng)規(guī)模的進一步擴大,用戶數(shù)目和項目數(shù)據(jù)急劇增加,嚴重依賴用戶打分矩陣的協(xié)同過濾算法會因為用戶評分數(shù)據(jù)的極端稀疏性而無法

2、正常工作,在這種情況下,傳統(tǒng)的算法得出的最近鄰居不準確,推薦系統(tǒng)的推薦質(zhì)量急劇下降。
　　針對現(xiàn)行的電子商務(wù)推薦算法的特點,本文認為主要原因在于過于依賴用戶對項目打分矩陣。基于此,本文提出在用戶打分部分采用基于統(tǒng)計模型的協(xié)同過濾算法來解決矩陣的稀疏性;同時,利用用戶對項目的文字評論,提取情感特征值,單獨形成推薦,以克服對打分矩陣的依賴性。具體工作如下:
　　在處理用戶評分矩陣的極端,為了解決用戶評分數(shù)據(jù)稀疏性和最近鄰尋找的準

3、確性問題,本文提出一種基于統(tǒng)計模型的協(xié)同過濾推薦算法。該算法首先利用項目統(tǒng)計信息分類,在類內(nèi)尋找項目的最近鄰居;然后通過預(yù)測項目評分值進行矩陣填充,解決稀疏性問題;最后通過用戶之間的協(xié)同過濾進行推薦。實驗結(jié)果表明,該算法可以準確地獲取項目及用戶最近鄰,有效地解決數(shù)據(jù)稀疏性問題,同時,該算法還極大地提高了系統(tǒng)的工作效率及推薦的準確性。
　　鑒于用戶評論中的情感態(tài)度和偏好程度可以很好地表達用戶在情感方面的傾向,本文通過建立用戶評論情感