基于雙邊匹配的協(xié)同過濾推薦算法.pdf

1、互聯(lián)網(wǎng)規(guī)模和覆蓋面的迅速增長(zhǎng)方便信息獲取的同時(shí)也帶來了信息超載(information overload)的問題：在過量的信息面前用戶無法輕松的獲取到對(duì)自己有用的內(nèi)容，使得信息使用效率下降。推薦系統(tǒng)(Recommender System)就是解決以上問題的重要工具，它的任務(wù)就是幫助用戶和信息制造者互聯(lián)，一方面幫助用戶搜尋到關(guān)鍵信息，另一方面幫助信息制造者找到目標(biāo)受眾，從而實(shí)現(xiàn)信息消費(fèi)者和信息生產(chǎn)者的雙贏。
　　然而，協(xié)同過濾推薦算

2、法作為現(xiàn)有推薦算法中最為普及的一種，也出現(xiàn)了一些問題。比如它在項(xiàng)目相似度計(jì)算的過程中通常只采用某一單獨(dú)特征(如用戶評(píng)分)進(jìn)行相似度計(jì)算，導(dǎo)致推薦準(zhǔn)確率下降，并且現(xiàn)有推薦算法在分析用戶興趣模型時(shí)，通常沒有聯(lián)合分析供應(yīng)商偏好，分析片面。本文在分析現(xiàn)有技術(shù)的基礎(chǔ)上，從以下幾個(gè)方面對(duì)協(xié)同過濾推薦算法進(jìn)行了研究：
　　(1)提出了一種綜合相似度計(jì)算方法。相似度計(jì)算是協(xié)同過濾推薦算法重要的一步，本文提出的相似度計(jì)算方法首先考慮項(xiàng)目之間評(píng)分?jǐn)?shù)據(jù)

3、的相似性，其次考慮到擁有相同屬性的用戶的數(shù)量，最后還考慮到項(xiàng)目屬性的背景。利用據(jù)此綜合相似度得到的預(yù)測(cè)評(píng)分對(duì)稀疏矩陣進(jìn)行填充，能有效的緩解矩陣數(shù)據(jù)缺少的問題。
　　(2)提出一種K-means初始值取法。用戶-項(xiàng)目矩陣越來越大，通過K-means算法對(duì)矩陣進(jìn)行聚類，能夠提高搜索效率，而初始值的選取好壞直接影響到聚類效果，本文提出一種初始值選取方法能提高聚類效果。
　　(3)提出了一種基于 G-S算法的雙邊匹配算法。在互聯(lián)網(wǎng)更