基于用戶評分偏好與局部項目空間的協(xié)同過濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，人類已進入了信息社會和互聯(lián)網(wǎng)經(jīng)濟時代，電商網(wǎng)站的用戶和物品數(shù)目激增，用戶難以從繁多的商品中挑選心儀的產(chǎn)品。因此個性化推薦系統(tǒng)應(yīng)運而生，它能夠根據(jù)用戶的個性化需求有針對性地為其提供推薦服務(wù)。協(xié)同過濾是目前個性化推薦系統(tǒng)中應(yīng)用最廣泛、最成功的推薦算法，但是面臨數(shù)據(jù)稀疏性、冷啟動、算法可擴展性和仍然有待提高的準確性等問題的挑戰(zhàn)。本文重點研究了協(xié)同過濾推薦算法的相關(guān)問題與最新成果，從現(xiàn)有研究在提高準確度時考慮較少的用戶

2、評分偏好和用戶局部相似性兩個因素出發(fā)，提出了針對協(xié)同過濾準確性問題的改進算法。本文的研究內(nèi)容主要包括以下兩個方面：
　　第一，基于不同用戶在對項目進行評分時有不同評分偏好的事實，提出一種基于用戶評分偏好的協(xié)同過濾算法(Rating Preference Distance，RPD)，旨在緩解用戶評分偏好因素對近鄰用戶選擇的影響，提高預(yù)測評分精度。該算法將評分值分為“正性”和“負性”兩個方面，在計算用戶間相似性時，分正負性構(gòu)造評分偏好

3、因子計算公式，利用其改進用戶相似性計算方法，提高近鄰用戶選擇的準確性；對最后的預(yù)測評分計算公式也分正負性評分進行重構(gòu)，以提高預(yù)測評分計算的準確性。對比實驗結(jié)果表明，RPD算法能顯著提高預(yù)測評分的精確度，從而為推薦項目的選擇打下良好的基礎(chǔ)。
　　第二，基于用戶間存在局部相似性的事實，提出一種基于局部項目空間的協(xié)同過濾算法(Local Item Space Distance，LISD)，旨在通過在局部項目空間選擇近鄰用戶和計算預(yù)測評分