基于統(tǒng)計學(xué)的個性化推薦算法探究.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展，信息呈爆炸式地增長，大數(shù)據(jù)在飛速的發(fā)展中，數(shù)據(jù)挖掘是一個充滿活力的研究領(lǐng)域，商業(yè)利益的強大驅(qū)動力將會不斷地促進它的發(fā)展，個性化推薦就屬于大數(shù)據(jù)時代數(shù)據(jù)挖掘應(yīng)用在互聯(lián)網(wǎng)方面的重要技術(shù)。面對海量數(shù)據(jù)，推薦系統(tǒng)的產(chǎn)生能實現(xiàn)信息消費者和生產(chǎn)者的雙贏。協(xié)同過濾算法是個性化推薦中最成功和應(yīng)用最廣泛的算法之一，但它依賴于用戶的歷史評分數(shù)據(jù)，所以存在冷啟動，數(shù)據(jù)的稀疏性等問題。
　　大數(shù)據(jù)新形勢下，包括個性化推薦在內(nèi)的各種數(shù)

2、據(jù)挖掘算法給統(tǒng)計學(xué)帶來了機遇和挑戰(zhàn)，一方面，數(shù)據(jù)挖掘的各種算法很多思想都來自于統(tǒng)計學(xué);另一方面，數(shù)據(jù)挖掘面對統(tǒng)計學(xué)表現(xiàn)出了強大的生機。據(jù)此，本文探究在數(shù)據(jù)量比較大的情況下，將統(tǒng)計分析應(yīng)用到個性化推薦算法中的效果，同時也應(yīng)用數(shù)據(jù)挖掘的其他模型，如關(guān)聯(lián)法則，聚類等方法改進模型。
　　本文提出了基于統(tǒng)計學(xué)的個性化推薦，主要是利用MATLAB，SAS進行輔助編程，分別實現(xiàn)了描述性統(tǒng)計、多維關(guān)聯(lián)法則、協(xié)同過濾的算法進行推薦。對協(xié)同過濾模型存

3、在的缺點的改進，針對模型的數(shù)據(jù)稀缺性和冷啟動問題，結(jié)合用戶的評分和特征信息，提出用一維和二維的統(tǒng)計量改進數(shù)據(jù)的稀疏度問題，然后利用SQL SERVER2005和EXCEL數(shù)據(jù)挖掘外接模塊對用戶建立聚類模型，基于各類的統(tǒng)計分析改進模型，聚類模型不僅能解決數(shù)據(jù)的稀缺性，而且能克服冷啟動問題;最后通過奇異值分解方法改進算法，并由平均絕對誤差來衡量各種改進效果。通過對比本文得出結(jié)論:根據(jù)用戶的評分和特征進行統(tǒng)計分析，用分析結(jié)果改進協(xié)同過濾算法有