推薦系統(tǒng)中協(xié)同過濾算法關(guān)鍵問題研究.pdf

1、隨著Web技術(shù)在互聯(lián)網(wǎng)中發(fā)展，用戶不再是簡單地從網(wǎng)絡(luò)中獲取信息，而是采取更加主動(dòng)的方式產(chǎn)生信息。由于用戶數(shù)量的急劇增長，以用戶為中心的信息產(chǎn)生模式，導(dǎo)致了互聯(lián)網(wǎng)信息量呈現(xiàn)飛速增長，這種現(xiàn)象被稱為“信息過載”。該現(xiàn)象是指在海量信息面前，人們無法迅速準(zhǔn)確地獲取對(duì)他們有用的信息。為了解決“信息過載”問題，推薦系統(tǒng)由此而產(chǎn)生。推薦系統(tǒng)不要求用戶提供準(zhǔn)確的需求，而是根據(jù)對(duì)用戶的過去行為進(jìn)行分析，從而推測出用戶在將來可能需要的信息。
　　當(dāng)前

2、，在眾多推薦技術(shù)中，協(xié)同過濾推薦技術(shù)由于它獨(dú)特的優(yōu)點(diǎn)，在電子商務(wù)中取得了廣泛應(yīng)用。雖然協(xié)同過濾推薦算法的研究工作已經(jīng)取得許多成果，但依然存在很多問題亟需解決。比如“冷啟動(dòng)”、“可擴(kuò)展性”、“數(shù)據(jù)稀疏性”等問題，這些問題的存在，對(duì)算法的準(zhǔn)確性造成了影響。如何解決上述問題，改進(jìn)協(xié)同過濾算法性能，一直是推薦系統(tǒng)中重點(diǎn)研究的課題。
　　論文主要工作如下:
　　第一，針對(duì)協(xié)同過濾技術(shù)中存在的“冷啟動(dòng)”、“可擴(kuò)展性”問題，提出了結(jié)合用戶

3、屬性聚類的協(xié)同過濾推薦算法ID-CF。該推薦系統(tǒng)通過加入權(quán)重的方法，將基于項(xiàng)目的協(xié)同過濾算法與K—means算法相結(jié)合，顯著提高其推薦準(zhǔn)確度。在算法中，由于項(xiàng)目之間的相似性和用戶聚類可以離線計(jì)算，這樣可以解決推薦系統(tǒng)的可擴(kuò)展性問題。當(dāng)一個(gè)新用戶加入系統(tǒng)時(shí)，通過使用聚類算法，可將新用戶添加到最相近的用戶集，這樣可以快速預(yù)測用戶對(duì)項(xiàng)目的評(píng)分，冷啟動(dòng)問題也可較好地解決。
　　第二，由于“數(shù)據(jù)稀疏性”問題對(duì)協(xié)同過濾算法的準(zhǔn)確性有較大的影響