基于全局和局部相似性度量的協(xié)同過(guò)濾推薦研究.pdf

1、本文的研究?jī)?nèi)容來(lái)源于國(guó)家自然科學(xué)基金面上項(xiàng)目“基于異構(gòu)服務(wù)網(wǎng)絡(luò)分析的Web服務(wù)推薦研究”。
　　當(dāng)前,隨著信息技術(shù)與電子商務(wù)的發(fā)展,推薦系統(tǒng)逐漸成為電子商務(wù)技術(shù)的研究熱點(diǎn),其中應(yīng)用最廣泛也最成熟的推薦技術(shù)當(dāng)屬協(xié)同過(guò)濾技術(shù)。本文著手于分析現(xiàn)存協(xié)同過(guò)濾算法的不足,從提升推薦質(zhì)量的角度出發(fā),研究并改進(jìn)了協(xié)同過(guò)濾技術(shù)中的相似性度量算法。
　　現(xiàn)有算法對(duì)用戶或項(xiàng)目進(jìn)行相似性度量時(shí)通常只考慮直接關(guān)聯(lián)的對(duì)象,會(huì)出現(xiàn)準(zhǔn)確率低下的問(wèn)題。針對(duì)該

2、問(wèn)題,將用戶或項(xiàng)目之間的相似度分為全局和局部?jī)深?并分別設(shè)計(jì)算法計(jì)算其相似度。所提出的方法能使相似度計(jì)算結(jié)果更加全面準(zhǔn)確,進(jìn)而為協(xié)同過(guò)濾系統(tǒng)提供基礎(chǔ)。
　　本文主要完成了如下工作:
　?、俜治隽送扑]系統(tǒng)的原理及各種推薦相關(guān)技術(shù),重點(diǎn)研究了協(xié)同過(guò)濾推薦技術(shù)方法,剖析了現(xiàn)有推薦算法中存在的問(wèn)題,對(duì)改進(jìn)推薦算法的必要性做出了闡述并說(shuō)明了改進(jìn)相似性度量算法對(duì)整個(gè)協(xié)同過(guò)濾算法改進(jìn)的意義。
　?、卺槍?duì)協(xié)同過(guò)濾算法中相似度準(zhǔn)確率較低

3、的不足,提出從評(píng)分矩陣的全局信息和局部信息兩個(gè)方面優(yōu)化相似性度量算法。
　?、厶岢龌谌值南嗨菩远攘糠椒?通過(guò)改進(jìn)的Jaccard算法和用戶評(píng)分偏好算法計(jì)算全局相似性;在局部相似性度量方面,同時(shí)從相近性,同類型和一致性三個(gè)度量標(biāo)準(zhǔn)考慮局部相似度算法,最后將全局相似性度量方法和局部相似性度量方法結(jié)合得到本文提出的GASA算法。
　?、芡ㄟ^(guò)實(shí)驗(yàn)驗(yàn)證了基于GASA的協(xié)同過(guò)濾推薦算法的有效性。
　?、菰O(shè)計(jì)了基于全局和局部相似