電子商務(wù)的個(gè)性化協(xié)同過濾推薦算法研究.pdf

1、協(xié)同過濾技術(shù)是推薦系統(tǒng)中應(yīng)用最廣泛的一種個(gè)性化推薦技術(shù),因而得到了眾多科研人員的青睞。本文以協(xié)同過濾推薦算法為主要研究對(duì)象,針對(duì)協(xié)同過濾推薦算法在實(shí)際應(yīng)用中面臨的準(zhǔn)確性、擴(kuò)展性、數(shù)據(jù)稀疏性和實(shí)時(shí)動(dòng)態(tài)性等幾個(gè)關(guān)鍵性問題進(jìn)行展開和深入分析,結(jié)合最優(yōu)化算法技術(shù)和機(jī)器學(xué)習(xí)等技術(shù)手段提出了對(duì)這些關(guān)鍵問題的解決方案。具體如下:
　　1、針對(duì)協(xié)同過濾推薦算法的準(zhǔn)確性問題,提出了一種基于二階段相似度學(xué)習(xí)的協(xié)同過濾推薦算法。該算法旨在通過較少的迭代

2、計(jì)算改善推薦算法準(zhǔn)確性,它以既約梯度法迭代尋優(yōu)為主,K近鄰算法為輔,實(shí)現(xiàn)了相似度的逐步學(xué)習(xí),進(jìn)而提高了相似度的計(jì)算精度。實(shí)驗(yàn)表明,在一定條件下基于二階段相似度學(xué)習(xí)算法不僅在誤差性能上優(yōu)于傳統(tǒng)的推薦方法,而且算法收斂速度快,可實(shí)現(xiàn)相似度參數(shù)動(dòng)態(tài)調(diào)整和分布式計(jì)算。
　　2、針對(duì)協(xié)同過濾推薦算法的擴(kuò)展性和數(shù)據(jù)稀疏性問題,在基于二階段相似度學(xué)習(xí)的協(xié)同過濾推薦算法的基礎(chǔ)上,提出了一種基于子空間用戶代表的協(xié)同過濾推薦算法,該算法旨在通過將項(xiàng)目

3、集劃分子空間,并在子空間上利用模糊C-均值聚類算法產(chǎn)生用戶代表,將這種基于子空間用戶代表和基于二階段相似度學(xué)習(xí)的協(xié)同過濾推薦算法結(jié)合,在不失準(zhǔn)確性的前提下提高算法擴(kuò)展性。同時(shí)為了緩解數(shù)據(jù)稀疏性對(duì)算法的影響,對(duì)子空間用戶相似度的計(jì)算作了改進(jìn)。實(shí)驗(yàn)表明,這種算法在提高擴(kuò)展性的同時(shí)保證了準(zhǔn)確性,而且提出的子空間用戶相似度計(jì)算新方法緩解了數(shù)據(jù)稀疏性的影響。
　　3、針對(duì)協(xié)同過濾推薦算法的實(shí)時(shí)動(dòng)態(tài)性問題進(jìn)行了探索,提出了考慮時(shí)序性的基于滾動(dòng)