個性化推薦系統中相似性度量方法研究.pdf

1、隨著電子商務規(guī)模的不斷擴大以及個性化推薦系統在電子商務中的廣泛應用，使得推薦系統成為一個非?；钴S的研究領域。目前，推薦系統面臨著數據極端稀疏、冷啟動等問題，使得傳統的推薦算法推薦精度不高，尤其對協同過濾算法影響最為突出。究其原因在于推薦算法中傳統的相似性度量方法只簡單的利用用戶評分來確定用戶間或項目間的相似程度，這并不能準確的反應出用戶或項目間的相似程度，從而造成推薦系統的推薦精度不高。
　　 論文以協同過濾算法為基礎，對算法中

2、的用戶間相似度的計算進行了探討研究，并針對傳統的相似性度量方法的不足給出了一種基于用戶項目類別興趣度的相似性計算方法來提高協同過濾算法的推薦效率。論文首先對協同過濾算法中當前采用的相似性度量方法進行了分析，指出傳統相似性度量性方法的缺陷以及其研究的必要性；接著，針對傳統相似性度量方法僅僅利用用戶評分來衡量用戶間的相似性的不足，將用戶在項目類別上的興趣度引入到用戶間的相似性計算當中，并與用戶評分相似性相結合得到一種基于用戶項目類別興趣度的

3、相似性度量方法。通過實驗對給出的方法進行了驗證。實驗結果表明，該方法可以有效地解決傳統相似性方法中存在的不足，對推薦系統的推薦質量有明顯提高；最后，將給出的相似性度量方法應用于重慶市某公司的客戶個性化服務當中，開發(fā)網游客戶個性化推薦平臺，該平臺能夠根據數據源信息，為用戶提供了個性化推薦功能，一定程度上滿足了用戶對平臺個性化的需求。
　　 通過以上研究，論文從相似性度量方法角度為提高推薦算法的推薦精度提供了參考，并為個性化推薦技術