基于形式概念分析的推薦算法研究及應用.pdf

1、做為處理信息過載的有效手段，推薦系統(tǒng)在近些年得到了廣泛的研究與發(fā)展，推薦系統(tǒng)在各領域應用的成功案例也不斷涌現(xiàn)，但是依然面臨著很多問題亟待解決。形式概念分析（Formal Concept Analysis，F(xiàn)CA）的核心數(shù)據(jù)結構—概念格（Concept lattices），是一種數(shù)據(jù)分析與規(guī)則提取的有效工具。外延與內涵做為概念的組成部分使得形式概念展現(xiàn)出了聚類的特性。概念之間存在的偏序關系也揭示了其泛化與特化的本質。隨著其研究的不斷深入，

2、形式概念分析開始逐步應用于數(shù)據(jù)挖掘、信息檢索等領域。
　　協(xié)同過濾（Collaborative Filtering，CF）推薦作為應用最廣的推薦策略之一，其中經典的基于鄰域的協(xié)同過濾算法通常只考慮用戶間或項目間的相似關系，而忽略了不同對象之間的內在聯(lián)系。此外越來越多的研究人員發(fā)現(xiàn)，推薦系統(tǒng)往往面對的是無法直觀反映用戶喜好程度的隱式數(shù)據(jù)，并且隨著產品種類的劇增，用戶與項目間產生的隱式數(shù)據(jù)也會變得極為稀疏。所以由于稀疏數(shù)據(jù)環(huán)境下信息的

3、缺失，協(xié)同過濾算法往往獲取不到充足的鄰域信息，從而直接影響了最終的推薦效果。針對以上問題，本文提出了一種面向隱式數(shù)據(jù)的基于概念鄰域的協(xié)同過濾推薦算法（Conceptual Neighborhood-based Collaborative Filtering， CNCF）。該算法針對 Top-N推薦問題，以概念格為載體進行推薦問題求解。首先在用戶與項目的關系數(shù)據(jù)轉化而成形式背景的基礎上進行概念格的構造，將用戶與產品分別以對象與屬性的形式聚