基于用戶評分和遺傳算法的協(xié)同過濾推薦算法.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展，人們的生活發(fā)生了翻天覆地的巨大變化，但是如何從龐大的信息中找到自己需要的也變得越來越難。在這種背景下，推薦系統(tǒng)應(yīng)運而生了，并且發(fā)揮了巨大作用;推薦系統(tǒng)在減少很多網(wǎng)站存在的信息過載問題所帶來的諸多負(fù)面影響方面發(fā)揮了越來越重要的作用，而在這些網(wǎng)站上，用戶往往很有可能通過評分投票的方式表達(dá)出他們對一系列物品或者服務(wù)的喜好。
　　協(xié)同過濾推薦算法是目前廣泛使用的一種推薦技術(shù)。它分析用戶興趣，在用戶群中找到指定用戶的相

2、似（興趣）用戶，綜合這些相似用戶對某一信息的評價，形成系統(tǒng)對該指定用戶對此信息的喜好程度的預(yù)測。常用的相似性計算方法有余弦相似性、Pearson相關(guān)系數(shù)等方法，但這些相似性計算方法通常公式比較復(fù)雜，這樣就導(dǎo)致推薦過程中的相似性計算耗時過多，降低推薦效率。本文將提出一種新的相似性計算方法，該方法基于遺傳算法和用戶評分信息。
　　首先，提出一個向量px，y=(px，y(0)，px，y(1)，…，px，y(C-c)），元素的個數(shù)為C-c

3、+1（例如C=5，c=1，元素個數(shù)為5）。px,y(I)=a/b，表示兩個用戶x,y對同一個物品評分的評分差為i出現(xiàn)的次數(shù)a與同時都被這兩個用戶評過分的物品的個數(shù)b的比值。
　　其次，提出一個權(quán)重向量q=(q(0)，…，q(C-c))，元素個數(shù)是C-c+1。每個元素q(i)的值在[-1，1]之間。每個元素q(i)用來衡量px,y(i)對于計算兩個用戶之間相似性的重要程度。由這兩個向量構(gòu)成新的相似性計算方法。其中最佳權(quán)重向量通過遺傳