電子商務(wù)協(xié)同過濾推薦算法的優(yōu)化研究.pdf

1、在迅猛發(fā)展的開放的網(wǎng)絡(luò)環(huán)境下，基于瀏覽器/服務(wù)器應(yīng)用方式的電子商務(wù)也得到了空前發(fā)展，不出去就可以買到自己想要的商品，這種便利使消費(fèi)者越來越傾向于網(wǎng)上購(gòu)物。電子商務(wù)模式顯示了巨大的現(xiàn)代商業(yè)價(jià)值。特別是網(wǎng)絡(luò)購(gòu)物以其便捷，快速的特點(diǎn)成為了人們的一種時(shí)尚和潮流。但是人們?cè)谙硎茉絹碓蕉嗟谋憬輹r(shí)也面臨著網(wǎng)絡(luò)信息過載的困擾。如何在不斷增長(zhǎng)的網(wǎng)絡(luò)信息中準(zhǔn)確快速地找到用戶所需要的信息呢，個(gè)性化推薦系統(tǒng)的出現(xiàn)解決了這個(gè)問題，而協(xié)同過濾推薦系統(tǒng)作為一種個(gè)性化

2、推薦系統(tǒng)脫穎而出。但是網(wǎng)絡(luò)數(shù)據(jù)量的不斷增多，協(xié)同過濾推薦系統(tǒng)自身的缺陷逐漸暴露出來，例如稀疏性，冷啟動(dòng)和時(shí)效性等問題。為改善協(xié)同過濾算法本身存在的這些問題，使其推薦效果得到進(jìn)一步提高，本文對(duì)稀疏性、時(shí)效性和冷啟動(dòng)問題進(jìn)行了優(yōu)化。具體工作的主要包括以下幾方面：
　　協(xié)同過濾推薦算法稀疏性問題和實(shí)時(shí)性問題優(yōu)化方法：協(xié)同過濾推薦系統(tǒng)是以用戶項(xiàng)目評(píng)分矩陣為基礎(chǔ)進(jìn)行推薦的，矩陣的稀疏性成為影響協(xié)同過濾算法推薦效果的關(guān)鍵問題。針對(duì)數(shù)據(jù)稀疏性問

3、題提出了一種基于項(xiàng)目屬性相似性的矩陣填充方法。電子商務(wù)中的商品都存在一些本身的屬性，這些屬性信息之間的相似性可以在線或離線計(jì)算出來，通過找到未評(píng)分項(xiàng)目的相似鄰居項(xiàng)目，預(yù)測(cè)用戶對(duì)未評(píng)分項(xiàng)目的評(píng)分來實(shí)現(xiàn)填充，用于解決稀疏性問題。在稠密的矩陣基礎(chǔ)上運(yùn)用基于用戶的協(xié)同過濾算法實(shí)現(xiàn)對(duì)目標(biāo)用戶的推薦。為進(jìn)一步提高推薦質(zhì)量，最終的推薦中又分析了時(shí)效性問題，推薦函數(shù)中加入了時(shí)間權(quán)重。
　　協(xié)同過濾推薦算法冷啟動(dòng)問題優(yōu)化方法：傳統(tǒng)的協(xié)同過濾算法存在

4、冷啟動(dòng)問題，推薦系統(tǒng)中的新用戶或新項(xiàng)目往往因?yàn)槿狈υu(píng)分信息不能得到有效地推薦，降低了整個(gè)系統(tǒng)的推薦質(zhì)量。針對(duì)這種情況，提出了基于蟻群算法和結(jié)合用戶或項(xiàng)目?jī)?nèi)容信息的優(yōu)化方法。首先對(duì)現(xiàn)有用戶或項(xiàng)目進(jìn)行聚類，聚類后成為很多個(gè)具有相似屬性的聚類簇。新用戶或新項(xiàng)目沒有任何評(píng)分的情況下，利用蟻群算法中α和β兩個(gè)啟發(fā)式因子的特殊取值結(jié)合新用戶或新項(xiàng)目的內(nèi)容信息找到對(duì)應(yīng)的相似簇，根據(jù)所屬類別簇中的平均信息實(shí)現(xiàn)對(duì)新用戶或新項(xiàng)目的推薦。
　　實(shí)驗(yàn)結(jié)果