考慮時間動態(tài)性的協(xié)同過濾算法及其應用研究.pdf

1、隨著電子商務的崛起，越來越多的人選擇使用電商去購物，同時對電商的購物體驗有個更高的要求。個性化推薦系統(tǒng)就是為了增加客戶的購物體驗而生的，在現實中應用廣泛。個性化推薦算法中，應用最成功的是協(xié)同過濾推薦算法。
　　本文分析了現有協(xié)同過濾算法存在的不足，以及關于時間動態(tài)性的研究現狀，指出了一個重要的問題——商品是有先后購買順序的。傳統(tǒng)的協(xié)同過濾算法只考慮了用戶或商品之間的相關程度，并沒有根據商品的序列模式進行挖掘并推薦。本文結合現有算法

2、的優(yōu)點，加入了時間動態(tài)性的特點，提出了一個考慮時間動態(tài)性的協(xié)同過濾推薦綜合性改進算法，并通過真實的電子商務銷售數據進行實驗測試，驗證了其推薦效果更佳。
　　本文的主要內容包括以下幾點：
　?。?）通過對現有文獻的綜述研究，找到目前學者們的研究重點和研究方向，總結現有研究的特點，分析傳統(tǒng)協(xié)同過濾推薦算法的不足之處，總結出現有算法大多只在某一兩個方面進行改進，而加入時間動態(tài)性的研究也只停留在用戶興趣的改變上，從而引出了本文要研究

3、的方向和重點。
　　（2）結合現有研究中的優(yōu)秀改進方向和改進方法，加入商品序列模式的篩選和去除熱門效應的影響，提出一個綜合性的協(xié)同過濾推薦算法解決方案。其核心的思路可以總結為首先對原始數據集進行預處理，包括去噪音和聚類等；然后用一個新的相似度函數進行計算最近鄰居，這個相似度計算函數考慮了熱門系數，評分系數和時間系數；最后使用GSP算法挖掘商品的序列模式，對推薦結果集進行再次篩選，解決了用戶買鼠標后給其推薦電腦的問題。
　?。?/p>