基于用戶興趣和項目特性的協(xié)同過濾推薦算法研究.pdf

1、信息過載是信息時代信息量過于豐富帶來的嚴(yán)重負(fù)面問題之一。隨著電子商務(wù)的飛速發(fā)展，電子商務(wù)網(wǎng)站提供大量的商品。過量的信息嚴(yán)重干擾了用戶對商品的精確選擇。為了在一定程度上解決商品信息過載的問題，人們提出了推薦算法。協(xié)同過濾是應(yīng)用最廣泛的一類推薦算法。在實際應(yīng)用環(huán)境中，用戶并不會對每一個項目進行評分。用戶評價過的項目數(shù)量往往占項目總數(shù)的比例很小，這就導(dǎo)致了用戶-項目評分矩陣極其稀疏。在評分矩陣極其稀疏的情況下，協(xié)同過濾推薦算法無法識別部分相似

2、用戶，也無法推薦剛加入系統(tǒng)的新項目。
　　 為了解決評分矩陣過于稀疏帶來的問題，本文從項目特性和用戶興趣兩個方面分別提出了改進的協(xié)同過濾推薦算法:基于項目特性的協(xié)同過濾推薦算法(CFBIF)和基于用戶興趣的協(xié)同過濾推薦算法(CFBUI)。CFBIF算法從推薦項目的特性中提取有效信息進行改進。在電子商務(wù)網(wǎng)站中，推薦項目有各種外觀、功能和類型屬性。擁有相同特性的項目往往會有近似的評分值。CFBIF算法構(gòu)造一種結(jié)合項目屬性和項目評分兩

3、個方面特性的綜合相似度計算方法，然后基于項目綜合相似度對評分矩陣中的未知評分進行預(yù)測填充。該算法增加了用戶-項目評分矩陣的數(shù)據(jù)密度，緩解了用戶-項目評分矩陣稀疏性帶來的問題。CFBUI算法從用戶興趣中提取有效信息進行改進。用戶對項目的評分蘊含了用戶的興趣模式。被同一個用戶評價過的項目之間存在興趣關(guān)聯(lián)。由于個人的興趣會遷移，所以興趣關(guān)聯(lián)強度會隨著時間逐漸變化。CFBUI建立隨時間衰減的興趣度模型，并通過興趣模型挖掘項目之間的興趣關(guān)聯(lián)，進而