推薦系統(tǒng)中協(xié)同過(guò)濾算法研究.pdf

1、信息技術(shù)的飛速發(fā)展加快了信息的創(chuàng)建和傳播速度，使人們能夠更加自由的進(jìn)行知識(shí)的分享和交流。但是海量信息的存在也產(chǎn)生了不可忽視的負(fù)面影響-信息過(guò)載。搜索引擎等信息檢索和過(guò)濾技術(shù)的出現(xiàn)在一定程度上緩解了信息過(guò)載問(wèn)題，但是這些技術(shù)的使用需要用戶(hù)有明確的需求目標(biāo)，并不能為用戶(hù)智能的篩選其可能感興趣的對(duì)象。在此背景下，推薦系統(tǒng)孕育而生，并且迅速創(chuàng)造出商業(yè)和社會(huì)價(jià)值。其中，協(xié)同過(guò)濾推薦算法作為具有廣泛使用基礎(chǔ)的推薦技術(shù)，一經(jīng)提出就受到了極大的關(guān)注，并

2、且取得了優(yōu)秀的使用效果，具有重要的研究?jī)r(jià)值和應(yīng)用前景。
　　進(jìn)行高精度的推薦是協(xié)同過(guò)濾算法追求的目標(biāo)。本文從用戶(hù)評(píng)分?jǐn)?shù)據(jù)入手，對(duì)用戶(hù)間的評(píng)分項(xiàng)目劃分為幾種不同的類(lèi)別，并從評(píng)分相同的項(xiàng)目和評(píng)分不同的項(xiàng)目?jī)蓚€(gè)角度出發(fā)，分別計(jì)算相似度，然后結(jié)合兩者得出一種基于用戶(hù)評(píng)分差值的相似度計(jì)算方法，提高了算法的推薦質(zhì)量。
　　稀疏性問(wèn)題也是協(xié)同過(guò)濾推薦算法不可回避的關(guān)鍵問(wèn)題，指數(shù)級(jí)增長(zhǎng)的項(xiàng)目和用戶(hù)數(shù)量產(chǎn)生了極度稀疏的用戶(hù)評(píng)分?jǐn)?shù)據(jù)，導(dǎo)致推薦效