基于內(nèi)容和協(xié)同過濾的混合算法在推薦系統(tǒng)中的應(yīng)用研究.pdf

1、在電子商務(wù)為越來越多用戶提供便利的同時，它的結(jié)構(gòu)也越發(fā)復(fù)雜。用戶擁有了更大的選擇空間，然而海量信息的同時呈現(xiàn)，也讓用戶無法快速準(zhǔn)確地尋找到自己想要的商品。
　　推薦系統(tǒng)就是為解決這樣的困境產(chǎn)生的，它能為用戶個性化定制，產(chǎn)生用戶希望看到的結(jié)果。如今，幾乎所有的電子商務(wù)網(wǎng)站都應(yīng)用了推薦系統(tǒng)，例如淘寶、ePay等。為了能產(chǎn)生更高的推薦質(zhì)量，技術(shù)人員已經(jīng)提出了多種推薦技術(shù)，包括基于內(nèi)容的推薦，協(xié)同過濾推薦，關(guān)聯(lián)挖掘推薦等。然而隨著研究的深

2、入以及用戶要求的提升，推薦算法漸漸暴露了諸多缺點(diǎn)，例如協(xié)同過濾推薦的冷啟動和數(shù)據(jù)稀疏性問題、推薦質(zhì)量和實(shí)時性的平衡等。
　　本文主要對基于內(nèi)容和協(xié)同過濾算法進(jìn)行研究，具體內(nèi)容如下:
　?。?）對推薦算法的發(fā)展情況及關(guān)鍵技術(shù)進(jìn)行綜述；
　　（2）針對協(xié)同過濾算法運(yùn)行時間長、推薦速度慢的缺陷，提出了將k-means聚類應(yīng)用于協(xié)同過濾算法，通過離線預(yù)處理用戶—項(xiàng)目評分矩陣對用戶進(jìn)行聚類，并生成虛擬用戶空間，替代全部用戶的集合

3、，縮小了鄰居用戶的搜尋范圍，可以提高在線推薦的實(shí)時性，解決了傳統(tǒng)協(xié)同過濾算法的速度瓶頸問題；
　　（3）在改進(jìn)后協(xié)同過濾算法的基礎(chǔ)上，提出了基于內(nèi)容和改進(jìn)后協(xié)同過濾的混合算法，將用戶評分和項(xiàng)目特征相結(jié)合，建立用戶特征評分矩陣，替代傳統(tǒng)的用戶—項(xiàng)目評分矩陣，對用戶集進(jìn)行k-means聚類，并進(jìn)行推薦。改進(jìn)后的算法不僅能解決傳統(tǒng)協(xié)同過濾算法的數(shù)據(jù)稀疏性問題；同時針對新項(xiàng)目，也能根據(jù)項(xiàng)目特征與用戶特征評分矩陣的匹配，來預(yù)測可能對新項(xiàng)目感