融合相似度和機(jī)器學(xué)習(xí)的加權(quán)SlopeOne算法研究.pdf

1、協(xié)同過濾推薦算法因其預(yù)測(cè)準(zhǔn)確度高、不受項(xiàng)目類型限制等優(yōu)點(diǎn)受到大眾的喜愛。本論文就其中比較經(jīng)典的Slope One算法進(jìn)行深入研究，它是一種基于內(nèi)存的協(xié)同過濾推薦算法，由于計(jì)算簡(jiǎn)單高效等優(yōu)點(diǎn)受到廣泛關(guān)注。但是，卻沒有考慮到用戶及項(xiàng)目相似度的問題，且計(jì)算過程中內(nèi)存消耗過大、預(yù)測(cè)結(jié)果相較于傳統(tǒng)協(xié)同過濾算法的優(yōu)勢(shì)并不明顯。就這些問題，本文提出了以下幾點(diǎn)改進(jìn)措施：
　　首先，簡(jiǎn)單介紹了協(xié)同過濾的相關(guān)知識(shí)，包括研究背景和現(xiàn)狀等內(nèi)容。緊接著，著

2、重介紹了本文研究的基礎(chǔ)，即Slope One算法的相關(guān)知識(shí)，包括其優(yōu)缺點(diǎn)和改進(jìn)措施。
　　其次，由于原始Slope One算法在計(jì)算時(shí)，未考慮到相似度的問題，故本文在原算法基礎(chǔ)上，提出了融合用戶和項(xiàng)目相似度的加權(quán)Slope One算法。其間，分別使用信任機(jī)制以及Jaccard系數(shù)加權(quán)方法來選擇鄰居用戶，計(jì)算用戶間的相似度，然后，使用Pearson相關(guān)系數(shù)計(jì)算方法計(jì)算項(xiàng)目間的相似度，最后，將二者結(jié)合，又提出了兩種混合推薦算法。

3、>　　然后，考慮到基于內(nèi)存的方法簡(jiǎn)單直觀易于理解，但是基于模型的方法普遍比基于內(nèi)存的方法可以得到更準(zhǔn)確的預(yù)測(cè)結(jié)果，且運(yùn)行速度更快，故本文考慮將基于模型和基于內(nèi)存的推薦方法兩者的優(yōu)點(diǎn)相結(jié)合對(duì)Slope One算法進(jìn)行改進(jìn)，提出了融合機(jī)器學(xué)習(xí)的加權(quán)Slope One算法，并且使用了機(jī)器學(xué)習(xí)中的最小二乘法對(duì)Slope One算法進(jìn)行改進(jìn)。
　　最后，通過實(shí)驗(yàn)驗(yàn)證前面提出的幾個(gè)算法，將這些算法均在兩個(gè)不同的數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)和結(jié)果分析。