推薦系統(tǒng)中協(xié)同過濾算法的改進(jìn)與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的深入發(fā)展與應(yīng)用，在網(wǎng)絡(luò)上每天都有海量的信息產(chǎn)生與傳播，其速度遠(yuǎn)遠(yuǎn)超過了用戶的反應(yīng)速度。我們?nèi)狈σ环N高效、自動化的方案，在用戶領(lǐng)域知識有限和需求不明確的情況下，幫助用戶從海量的信息中準(zhǔn)確地挑選出他們可能感興趣的內(nèi)容以此來解決由于信息過剩而帶來的問題。在此情景下，推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)運(yùn)用推薦算法主動地為用戶推薦個性化的信息物品。在常用的推薦算法中，協(xié)同過濾算法研究最早、應(yīng)用最為廣泛。由于協(xié)同過濾算法采取了基于“群體智慧

2、”的思想，從而使得其推薦結(jié)果擁有較高的精準(zhǔn)度。但是傳統(tǒng)的協(xié)同過濾算法仍存在著評分標(biāo)準(zhǔn)不一致、用戶興趣偏移、數(shù)據(jù)利用度不高等問題。本文通過引入時間維度信息和動態(tài)混合因子等相關(guān)概念來解決上述不足。本文的工作主要有以下4個方面：
　?。?）研究推薦系統(tǒng)相關(guān)理論。首先，對推薦系統(tǒng)的研究價值以及系統(tǒng)構(gòu)成進(jìn)行了闡述，指出推薦算法是推薦系統(tǒng)的核心且具有重要的研究意義；其次，對推薦系統(tǒng)中常用的非個性化推薦方法、基于內(nèi)容的推薦算法和基于規(guī)則的推薦算

3、法的推薦思想進(jìn)行了介紹，并分析了其優(yōu)缺點(diǎn)；最后，重點(diǎn)介紹了協(xié)同過濾算法的基本原理和推薦過程，并對基于用戶的協(xié)同過濾（UBCF）算法和基于物品的協(xié)同過濾（IBCF）算法進(jìn)行了多方面的比較。
　?。?）基于時間信息維度的相關(guān)概念對傳統(tǒng)的UBCF算法和IBCF算法的相似度計(jì)算方法分別進(jìn)行了改進(jìn)。首先，指出了在推薦系統(tǒng)的實(shí)際應(yīng)用中存在的用戶評分標(biāo)準(zhǔn)、物品自身評分水平和用戶興趣等因素隨時間發(fā)生變化的客觀現(xiàn)象；其次，從時間維度的角度出發(fā)，提出

4、了最近用戶活躍時間、最近物品流行時間、用戶評分標(biāo)準(zhǔn)、物品自身評分水平以及用戶興趣模型等概念，并對其進(jìn)行了數(shù)學(xué)建模；最后，依據(jù)提出的數(shù)學(xué)模型分別對UBCF算法和IBCF算法的相似度計(jì)算方法進(jìn)行了改進(jìn)，得到了改進(jìn)后的基于時間信息維度的相似度權(quán)重計(jì)算公式。
　　（3）提出了基于時間信息維度的TUBCF算法、TIBCF算法以及動態(tài)混合后的TIUBCF算法。首先，基于改進(jìn)后的相似度權(quán)重公式，分別提出了基于時間維度信息的TUBCF算法和TIB

5、CF算法；其次，指出單一的協(xié)同過濾算法仍然存在信息利用度不高的問題，從推薦結(jié)果多樣性的角度出發(fā)，結(jié)合常用的算法加權(quán)方法，設(shè)計(jì)了動態(tài)混合因子，并對TUBCF算法和TIBCF算法進(jìn)行了動態(tài)混合，從而得到了基于時間信息維度的混合協(xié)同過濾算法——TIUBCF算法；最后，通過使用MoiveLens數(shù)據(jù)集進(jìn)行了離線實(shí)驗(yàn)，并對UBCF、IBCF、TUBCF、TIBCF以及TIUBCF算法進(jìn)行了基于平均絕對誤差（MAE）的預(yù)測準(zhǔn)確率對比，驗(yàn)證了改進(jìn)后的

6、TUBCF算法、TIBCF算法和TIUBCF算法在推薦準(zhǔn)確率上都有不同程度的提升。
　?。?）從算法應(yīng)用的角度出發(fā)，對醫(yī)藥電商推薦系統(tǒng)項(xiàng)目進(jìn)行了實(shí)踐。首先，分析了醫(yī)藥電商推薦系統(tǒng)的基本需求；其次，對項(xiàng)目中所使用的用戶顯性和隱性行為數(shù)據(jù)的采集方案進(jìn)行了介紹，并對相關(guān)推薦結(jié)果展示模塊進(jìn)行了統(tǒng)一說明；最后，進(jìn)行了基于首頁推薦模塊的線上小流量實(shí)驗(yàn)，對應(yīng)用前后的模塊點(diǎn)擊率和轉(zhuǎn)化率進(jìn)行了對比，驗(yàn)證了改進(jìn)后的TIUBCF算法對提高線上收益有一定