面向電子商務(wù)的協(xié)同過濾推薦算法與推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展、PC和平板電腦的普及，電子商務(wù)已經(jīng)成為當(dāng)今互聯(lián)網(wǎng)IT產(chǎn)業(yè)的經(jīng)濟(jì)增長點(diǎn)。但是，與日俱增的不僅僅是用戶的數(shù)量，同時(shí)大量的有用和無用信息也充斥于電子商務(wù)領(lǐng)域。如何能夠從成千上萬的海量信息中，快速找到我們想要的信息，已經(jīng)成為了一個(gè)重要課題。近年來，電子商務(wù)網(wǎng)站中出現(xiàn)的個(gè)性化推薦系統(tǒng)就是解決這一問題的重要途徑。其中，協(xié)同過濾推薦算法是應(yīng)用最為廣泛和最成功的推薦技術(shù)。但現(xiàn)有算法沒有考慮隨著時(shí)間變化而導(dǎo)致用戶興趣變化的情況，對(duì)具

2、有時(shí)間強(qiáng)依賴的產(chǎn)品進(jìn)行推薦時(shí)，推薦質(zhì)量很難得到保證，魯棒性差。同時(shí)，協(xié)同過濾算法本身存在的冷啟動(dòng)等問題也會(huì)對(duì)推薦質(zhì)量產(chǎn)品影響。本文在協(xié)同過濾推薦算法和基于知識(shí)的推薦算法的基礎(chǔ)上，融合時(shí)間屬性研究了若干推薦算法的性能。主要工作如下:
　　 (1)通過建立優(yōu)化的余弦相似性模型尋找用戶近鄰，實(shí)現(xiàn)了一種傳統(tǒng)的協(xié)同過濾推薦算法。實(shí)驗(yàn)時(shí)選擇不同數(shù)量的用戶集進(jìn)行測試，分析了鄰居用戶數(shù)量對(duì)推薦準(zhǔn)確率的影響，對(duì)比實(shí)驗(yàn)表明:傳統(tǒng)協(xié)同推薦算法對(duì)鄰居用

3、戶數(shù)量具有敏感性，當(dāng)選擇恰當(dāng)?shù)泥従佑脩魯?shù)量時(shí)，其推薦準(zhǔn)確率會(huì)更高。
　　 (2)根據(jù)產(chǎn)品的時(shí)間依賴屬性，提出了一種基于時(shí)間加權(quán)的協(xié)同過濾推薦算法。該算法在協(xié)同過濾算法基礎(chǔ)上融合時(shí)間過濾函數(shù)進(jìn)行產(chǎn)品推薦。本文設(shè)計(jì)了兩種時(shí)間加權(quán)函數(shù)，推薦算法可以根據(jù)產(chǎn)品的時(shí)間依賴關(guān)系和產(chǎn)品實(shí)際被評(píng)價(jià)的時(shí)間，賦予函數(shù)不同的權(quán)值。實(shí)驗(yàn)結(jié)果表明:具有時(shí)間過濾功能的協(xié)同過濾算法能夠敏銳地檢測出用戶興趣的變化，使得推薦的產(chǎn)品更符合用戶的需求。
　　

4、(3)為了能夠檢測用戶興趣的變化并且有效地克服傳統(tǒng)的協(xié)同過濾算法面臨的冷啟動(dòng)問題，本文基于混合推薦技術(shù)，通過引入時(shí)間過濾函數(shù)，并結(jié)合基于知識(shí)的推薦過程，提出了一種融合時(shí)間和知識(shí)推理的混合協(xié)同過濾推薦算法。該算法能夠有效克服冷啟動(dòng)問題，即當(dāng)用戶評(píng)價(jià)數(shù)較少時(shí)，算法能夠通過用戶相關(guān)的知識(shí)推理進(jìn)行推薦，當(dāng)用戶評(píng)價(jià)數(shù)達(dá)到一定程度后，通過協(xié)同過濾算法進(jìn)行推薦。實(shí)驗(yàn)表明，該混合算法具有較高的魯棒性，面對(duì)復(fù)雜的電子商務(wù)模型具有較高的推薦準(zhǔn)確率。