基于用戶相似度的協(xié)同過濾推薦算法研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展將人類帶入了信息時代，海量的信息使得用戶難以從其中快速定位所需要的具體信息，從而出現(xiàn)了“信息過載”現(xiàn)象。個性化推薦技術(shù)的出現(xiàn)將用戶從浩瀚信息檢索查找中解放出來，成為一種繼搜索引擎之后獲取信息的重要方式，它不需要用戶具體描述個人的信息需求，在用戶無明確需求時其作用尤為突出。個性化推薦作為處理信息過載的重要技術(shù)，已在電子商務(wù)和社交網(wǎng)絡(luò)等領(lǐng)域取得了十分廣泛的應(yīng)用。
　　協(xié)同過濾因其推薦效果良好，算法簡單，能夠處理復(fù)雜對象

2、，成為個性化推薦中最成功和應(yīng)用最廣泛的技術(shù)。其通過獲取用戶的歷史數(shù)據(jù)，分析并預(yù)測用戶潛在的興趣，由此推薦物品。然而，協(xié)同過濾算法在現(xiàn)實應(yīng)用中存在數(shù)據(jù)稀疏性和推薦不準(zhǔn)確的問題。針對該問題，本文展開如下的研究:
　　第一，針對推薦不準(zhǔn)確問題，提出了一種改進(jìn)基于加權(quán)信息熵相似度算法。計算相似度是協(xié)同過濾推薦中最為重要的一步，傳統(tǒng)相似度的算法面臨相似度計算不準(zhǔn)確等問題，在數(shù)據(jù)較為稀疏時計算出來的用戶相似度也常常面臨結(jié)果不符合現(xiàn)實的問題。本

3、文所提出的相似度算法，通過對用戶的原始評分?jǐn)?shù)據(jù)進(jìn)行處理，利用用戶間的評分差值的信息熵來度量相似度，并簡化算法，通過實驗與傳統(tǒng)相似度算法進(jìn)行比較，實驗結(jié)果表明本文所提算法更加符合現(xiàn)實，有效降低了推薦系統(tǒng)的MAE值，使推薦精度得到提升。
　　第二，針對數(shù)據(jù)稀疏性問題，提出一種融合用戶特征和項目屬性的協(xié)同過濾算法。傳統(tǒng)的相似度算法僅僅依靠單一的用戶評分值產(chǎn)生推薦，在數(shù)據(jù)非常稀疏時將很難做出準(zhǔn)確的推薦，甚至無法推薦。針對此問題，本文提出新