基于協(xié)同過(guò)濾的推薦技術(shù)研究.pdf

1、作為被當(dāng)前推薦系統(tǒng)最普遍采用并取得較大成功的推薦技術(shù)，協(xié)同過(guò)濾推薦技術(shù)根據(jù)目標(biāo)用戶（或項(xiàng)目）的訪問(wèn)數(shù)據(jù)或評(píng)價(jià)信息找到與其相似度較高的用戶（或項(xiàng)目）作為最近鄰居，然后根據(jù)這些最近鄰居的評(píng)分來(lái)預(yù)測(cè)目標(biāo)用戶（或項(xiàng)目）的評(píng)分并為用戶推薦項(xiàng)目。然而在實(shí)際應(yīng)用中，協(xié)同過(guò)濾推薦面臨著評(píng)分?jǐn)?shù)據(jù)稀疏，冷啟動(dòng)和算法擴(kuò)展性差等諸多問(wèn)題。
　　本文重點(diǎn)研究了協(xié)同過(guò)濾推薦算法，對(duì)于該算法存在的問(wèn)題從不同的角度提出兩種改進(jìn)算法，一方面利用用戶背景信息并結(jié)合了

2、模糊聚類技術(shù)對(duì)用戶聚類，改進(jìn)項(xiàng)目相似度計(jì)算方法;另一方面充分利用用戶評(píng)分信息，并突出了用戶共同評(píng)分的特殊作用。
　　論文具體研究?jī)?nèi)容主要包括以下三個(gè)方面:
　　(1)由于在高維稀疏評(píng)分矩陣中，項(xiàng)目相似度的計(jì)算不僅不準(zhǔn)確而且時(shí)間復(fù)雜度較高，因此，本文利用用戶背景信息對(duì)用戶進(jìn)行模糊聚類，從群體的角度考慮項(xiàng)目在各用戶群體上的相似性，并為對(duì)兩個(gè)項(xiàng)目有較多用戶評(píng)分的群體賦予較高的項(xiàng)目相似性權(quán)重，提出一種基于加權(quán)項(xiàng)目相似性的模糊聚類推薦

3、算法，利用該算法可以在數(shù)據(jù)極其稀疏并且用戶維數(shù)較高條件下，提高搜索項(xiàng)目最近鄰準(zhǔn)確性，并提高協(xié)同過(guò)濾算法的推薦質(zhì)量。
　　(2)用戶評(píng)分信息反映了用戶喜好，但由于評(píng)分矩陣極端稀疏，如何充分利用用戶評(píng)分對(duì)于發(fā)現(xiàn)用戶興趣并做出推薦就顯得尤為重要。本文將用戶評(píng)分劃分為兩種類型，而在評(píng)分矩陣中，用戶共同評(píng)分?jǐn)?shù)在一定程度上反映了用戶間的相似性，因此本文將用戶共同評(píng)分影響因子引入到相似性計(jì)算中，根據(jù)共同評(píng)分影響因子大小動(dòng)態(tài)選擇相似度計(jì)算方法，提