面向社區(qū)劃分的協(xié)同過濾算法研究.pdf

1、協(xié)同過濾推薦技術是目前為止應用最為成功的一種個性化推薦技術。協(xié)同過濾主要依據(jù)用戶對項目的評分計算用戶相似度，構建用戶興趣模型，然后搜索用戶近鄰集，并以此為基礎為用戶預測打分，選取分數(shù)較高的項目推薦給用戶。協(xié)同過濾推薦系統(tǒng)作為目前應用最廣泛的推薦系統(tǒng)，能夠依據(jù)用戶的個人數(shù)據(jù)主動的為用戶提供推薦服務，且推薦項目范圍廣泛。但是現(xiàn)在仍然存在一些問題，如傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)相似度度量方法太過單一,導致預測結果不夠準確；隨著用戶和項目數(shù)據(jù)的增加，

2、龐大的用戶群帶來的數(shù)據(jù)稀疏性和搜索最近鄰時算法的開銷增大等問題。
　　本文針對傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)中相似度計算方法存在的不準確現(xiàn)象，通過分析相似度計算過程中對最終結果產(chǎn)生影響的因素，提出了基于項目和時間的混合相似度計算方法，依據(jù)推薦項目不同，目標用戶選擇的最近鄰也應該發(fā)生變化，且用戶對于項目的評分會隨著時間的增大而發(fā)生變化，基于這兩個方面，對傳統(tǒng)的相似度計算方法進行改進并給出了改進的相似度計算方法。實驗結果表明基于項目和時間的混

3、合相似度計算方法能提高協(xié)同推薦系統(tǒng)的預測準確度。
　　本文引入拓撲勢理論，使用一種基于節(jié)點位置分析的社區(qū)發(fā)現(xiàn)算法。在協(xié)同過濾系統(tǒng)中，首先將用戶表示成網(wǎng)絡中的節(jié)點，并計算出每個節(jié)點的拓撲勢值，借助拓撲勢自然呈現(xiàn)的峰谷結構，依據(jù)節(jié)點位置的不同將具有相近興趣的用戶劃分到同一個社區(qū)，并將其與協(xié)同過濾推薦算法結合，在搜索最近鄰用戶時，不再以所有用戶為對象，而是以社區(qū)內(nèi)的用戶為對象，使搜索范圍縮小數(shù)倍，預測評分更加準確。實驗結果表明該方法有效