基于數(shù)據(jù)分類的交替最小二乘推薦算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展與普及，用戶不再僅僅從網(wǎng)絡(luò)獲取信息，同時(shí)也時(shí)刻在制造信息和傳播信息?；ヂ?lián)網(wǎng)用戶越來(lái)越多，在網(wǎng)絡(luò)上產(chǎn)生的網(wǎng)絡(luò)信息也就呈現(xiàn)爆發(fā)式增長(zhǎng)，面對(duì)網(wǎng)絡(luò)上各種信息，人們往往很難從其中找到自己真正想要的，這樣就會(huì)在海量信息面前顯得迷茫。人們迫切需要找到一種新的技術(shù)來(lái)解決這一困難。于是，個(gè)性化推薦技術(shù)誕生了。個(gè)性化推薦技術(shù)根據(jù)用戶或者項(xiàng)目的基本信息或者歷史行為信息來(lái)建立模型，計(jì)算推測(cè)出用戶最有可能喜歡的信息，并向用戶推薦。
　　

2、基于對(duì)個(gè)性化推薦算法存在的數(shù)據(jù)稀疏性問(wèn)題、可擴(kuò)展性問(wèn)題，提出了一種基于分類的交替最小二乘推薦算法，該算法先提取商品的基本屬性信息，然后分別利用樸素貝葉斯算法、聚類算法、決策樹算法對(duì)這些屬性信息進(jìn)行處理，將商品進(jìn)行分類。通過(guò)分類，有效的降低了用戶商品評(píng)分矩陣的規(guī)模，同時(shí)降低了矩陣的稀疏性，有利于提高推薦算法的準(zhǔn)確度。最后，利用交替最小二乘模型對(duì)用戶商品評(píng)分矩陣進(jìn)行處理，得出最后的推薦結(jié)果。
　　利用亞馬遜電商平臺(tái)真實(shí)數(shù)據(jù)集分別對(duì)交替

3、最小二乘推薦算法、基于樸素貝葉斯的交替最小二乘推薦算法、基于聚類的交替最小二乘推薦算法以及基于決策樹的交替最小二乘推薦算法進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明，當(dāng)數(shù)據(jù)量達(dá)到一定規(guī)模，基于分類的交替最小二乘推薦算法比交替最小二乘推薦算法具有更高的推薦效率以及更高的推薦準(zhǔn)確度。而三種基于分類的交替最小二乘推薦算法中，基于決策樹的交替最小二乘推薦算法具有最高的運(yùn)行效率，基于聚類的交替最小二乘推薦算法具有最高的推薦準(zhǔn)確度，分別適用于不同的應(yīng)用場(chǎng)景。同時(shí)，通過(guò)