基于局部近鄰Slope One與動態(tài)專家的協(xié)同過濾推薦算法研究.pdf

1、電商網(wǎng)站的層出不窮導致了用戶與商品的數(shù)量急速上漲，用戶已經(jīng)很難在紛繁復雜的商品信息中發(fā)掘出對自己有價值的信息，在這樣的背景下個性化推薦系統(tǒng)誕生了。它的功能是依據(jù)用戶個性化的特征來精準地為其提供推薦服務。目前協(xié)同過濾推薦算法是現(xiàn)有推薦系統(tǒng)領域內(nèi)應用最經(jīng)典的一種算法，但仍然存在著數(shù)據(jù)稀疏性、冷啟動問題、可擴展性問題和有待提高的準確性等幾大經(jīng)典問題需要繼續(xù)加強研究。本文根據(jù)協(xié)同過濾推薦算法的相關問題與最新研究成果，提出了針對協(xié)同過濾準確性與可

2、擴展性問題的改進算法。本文從以下兩個方面開展理論研究與探討:
　　第一，針對傳統(tǒng)Slope One算法有待提高的推薦精度問題，提出了一種基于局部近鄰的Slope One協(xié)同過濾推薦算法。經(jīng)典的Slope One算法采用線性回歸模型來對目標項目進行預測評分，但在項目評分偏差表構建過程中產(chǎn)生了部分噪聲數(shù)據(jù)，影響了算法的推薦性能;基于局部近鄰Slope One算法計算了當前活躍用戶針對不同推薦商品的近鄰用戶集，實現(xiàn)其鄰居用戶集根據(jù)目標項

3、目的不同而動態(tài)變化;根據(jù)活躍用戶關于不同目標項目的鄰居用戶數(shù)據(jù)來進一步優(yōu)化項目之間的平均偏差，進而產(chǎn)生推薦。對比驗證證實，改進算法具有較高推薦精度。
　　第二，針對協(xié)同過濾推薦算法面臨的可擴展性問題，提出了一種基于動態(tài)專家的協(xié)同過濾推薦算法。算法針對目標項目來建立隨目標項目變化的動態(tài)專家?guī)?，使得專家?guī)熘袑＜业纳瞄L的領域與目標項目的背景信息相契合;接著只需通過計算當前活躍用戶與針對目標項目而建立的專家?guī)熘械膶＜业南嗨贫?，借助專家意?/p>