一種基于情境聚類(lèi)的協(xié)同過(guò)濾算法的研究與實(shí)現(xiàn).pdf

1、無(wú)線互聯(lián)網(wǎng)及移動(dòng)設(shè)備的飛速發(fā)展，帶動(dòng)著網(wǎng)絡(luò)資源的爆炸式增長(zhǎng)，加劇信息過(guò)載問(wèn)題，加大了用戶(hù)尋找所需信息的難度。推薦系統(tǒng)成為解決這個(gè)問(wèn)題的關(guān)鍵，其中推薦算法對(duì)推薦結(jié)果起到關(guān)鍵的作用。目前的推薦算法當(dāng)中，應(yīng)用最廣的是協(xié)同過(guò)濾推薦。它通過(guò)分析用戶(hù)之間的相似性，得到近鄰，通過(guò)近鄰預(yù)測(cè)未評(píng)分項(xiàng)目，將近鄰喜歡的項(xiàng)目形成推薦結(jié)果。雖然協(xié)同過(guò)濾算法有挖掘用戶(hù)潛在愛(ài)好等優(yōu)點(diǎn)，但是它同樣存在著一些問(wèn)題，例如數(shù)據(jù)稀疏性問(wèn)題、可拓展性問(wèn)題以及冷啟動(dòng)問(wèn)題等等。此外

2、，評(píng)分矩陣不能全面的反映出用戶(hù)的所有情況和偏好，其偏好同樣與其年齡、職業(yè)以及其所在位置等情境信息有著密切的聯(lián)系。針對(duì)以上問(wèn)題，本文提出了一種基于情境進(jìn)行聚類(lèi)的協(xié)同過(guò)濾算法，主要研究?jī)?nèi)容有:
　　(1)深入研究現(xiàn)有推薦算法，分析其情境缺失問(wèn)題。針對(duì)其只考慮用戶(hù)評(píng)分這個(gè)問(wèn)題，引入可能影響用戶(hù)興趣愛(ài)好的用戶(hù)情境和外在環(huán)境情境，包括用戶(hù)年齡、職業(yè)、時(shí)間以及位置等，結(jié)合情境語(yǔ)義學(xué)，構(gòu)建了用戶(hù)情境的形式化表達(dá)方法。
　　(2)針對(duì)傳統(tǒng)協(xié)

3、同過(guò)濾算法當(dāng)中存在的數(shù)據(jù)稀疏性問(wèn)題，提出了基于情境的聚類(lèi)算法。深入研究了常見(jiàn)不同數(shù)據(jù)類(lèi)型變量的相異度計(jì)算方法，計(jì)算兩兩情境相異度，構(gòu)建情境相異度矩陣。深入研究FCM算法，并針對(duì)FCM的收斂性問(wèn)題，引入了收斂因子，利用改進(jìn)的FCM算法，在情境相異度矩陣的基礎(chǔ)上進(jìn)行聚類(lèi)。如此將三維模型降維，縮小了目標(biāo)用戶(hù)查找相似用戶(hù)的范圍，降低了復(fù)雜度，緩解數(shù)據(jù)稀疏性問(wèn)題。
　　(3)針對(duì)協(xié)同過(guò)濾算法當(dāng)中的用戶(hù)相似度算法忽略了用戶(hù)對(duì)單條項(xiàng)目評(píng)分尺度差