基于聚類專家選擇的協(xié)同過濾推薦算法研究.pdf

1、在經(jīng)過web2.0發(fā)展浪潮之后，當(dāng)今世界信息更趨于多元化、復(fù)雜化、專業(yè)化。為了在海量信息中找到用戶想要的信息，上世紀(jì)90年代就出現(xiàn)了個性化推薦系統(tǒng)。個性化推薦從用戶的行為和數(shù)據(jù)出發(fā)，挖掘用戶的需求和興趣。
　　個性化推薦分為基于內(nèi)容的推薦、協(xié)同過濾推薦和基于知識的推薦。其中協(xié)同過濾推薦算法應(yīng)用最廣泛。針對協(xié)同過濾推薦算法中精確性不夠的問題，本文的主要工作集中在：
　　1)提出了一種新的領(lǐng)域劃分的方法。對商品進(jìn)行領(lǐng)域劃分，能夠

2、讓系統(tǒng)迅速找到對目標(biāo)商品相關(guān)領(lǐng)域了解的用戶。怎樣劃分領(lǐng)域，有人提出人工對商品分類，在目標(biāo)商品相關(guān)的商品領(lǐng)域中尋找鄰居來給用戶推薦。但是人工分類并不可靠，而且無法發(fā)現(xiàn)商品之間的潛在關(guān)系。為此，本文提出利用聚類來劃分商品領(lǐng)域的方法。這樣做的好處是，能夠發(fā)現(xiàn)商品之間的潛在關(guān)聯(lián)關(guān)系，將潛在關(guān)聯(lián)的商品的評分作為向用戶推薦的參考，尤其在商品無法人工識別分類的情況下。
　　2)在相似度公式中引入了信任度這一因素。傳統(tǒng)的相似性由用戶之間評分的相似

3、度來衡量。這樣做的問題是，用戶評分的可靠性無法確定，可能并不可靠。為了解決用戶評分不可靠的問題，本文將信任度作為相似性衡量的一個因素。這樣做的好處是我們可以剔除掉那些不可靠的評分，算法推薦更準(zhǔn)確，更令人滿意。
　　基于以上兩點，本文提出基于聚類專家選擇的協(xié)同過濾推薦算法。改進(jìn)后的算法首先根據(jù)項目聚類來劃分商品領(lǐng)域，在項目所屬領(lǐng)域?qū)ふ覍＜?，保證所選專家對該領(lǐng)域較為了解。在確定專家用戶時，將信任度引入到相似性公式中，綜合考慮用戶的相似

4、性和信任度。因此，算法選出的專家用戶與目標(biāo)用戶興趣相似而且可信度高。
　　在實驗中，本文采用預(yù)測準(zhǔn)確率和成功率來衡量算法的效果。為了驗證算法的穩(wěn)定性，還對本文算法和基于用戶的協(xié)同過濾算法在不同信任度環(huán)境下的推薦精度做了對比。實驗結(jié)果表明：基于聚類專家選擇的協(xié)同過濾算法推薦的精確性較好，推薦結(jié)果更讓用戶滿意。尤其在惡意評分普遍存在的環(huán)境下，本文算法的推薦效果也較為穩(wěn)定。本文算法的精確性和穩(wěn)定性都較基于用戶的協(xié)同過濾算法好，因此具有較