一種基于聯(lián)合聚類的協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)中信息量的急劇增長,人們?cè)诤Ａ啃畔⒅锌焖佾@得自己感興趣的信息變得越來越困難。如電子商務(wù)、社交媒體、音樂、視頻、問答等站點(diǎn),信息量越來越龐大,而用戶所關(guān)心與關(guān)注的往往是很少的一部分。個(gè)性化技術(shù)強(qiáng)調(diào)從用戶興趣出發(fā),針對(duì)不同用戶提供特定的個(gè)性化服務(wù)。其中,推薦系統(tǒng)根據(jù)用戶歷史信息發(fā)現(xiàn)用戶的興趣,從而主動(dòng)向用戶推薦其可能感興趣的資源,幫助用戶快速獲取有用信息。
　　協(xié)同過濾技術(shù)是一種基于用戶顯性評(píng)分行為的推薦技術(shù),是應(yīng)用最早且最

2、為成功的推薦技術(shù)之一。然而,隨著系統(tǒng)中用戶數(shù)量與項(xiàng)目數(shù)量的與日俱增,其面臨著兩個(gè)主要挑戰(zhàn):(1)提高協(xié)同過濾推薦算法的擴(kuò)展性,實(shí)時(shí)處理大量動(dòng)態(tài)數(shù)據(jù);(2)降低系統(tǒng)中評(píng)分?jǐn)?shù)據(jù)的稀疏性,提高推薦精度。
　　研究了一個(gè)改進(jìn)的協(xié)同過濾算法——同時(shí)基于用戶與項(xiàng)目?jī)蓚€(gè)維度進(jìn)行聯(lián)合聚類的協(xié)同過濾方法。聚類后的矩陣規(guī)模遠(yuǎn)遠(yuǎn)小于原始評(píng)分矩陣,且同一類別內(nèi)部的評(píng)分具有相似的模式,可快速靈活的進(jìn)行評(píng)分預(yù)測(cè)。針對(duì)該離線聚類模型的增量更新機(jī)制提出了改進(jìn)方法