基于協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究.pdf

1、隨著信息技術(shù)的迅猛發(fā)展和信息資源的不斷膨脹，電子商務(wù)也隨之蓬勃發(fā)展，推薦系統(tǒng)被越來越廣泛地應(yīng)用于電子商務(wù)的網(wǎng)站中。推薦系統(tǒng)是電子商務(wù)個(gè)性化服務(wù)的重要組成部分，它打破了傳統(tǒng)的商業(yè)運(yùn)作模式，扮演著傳統(tǒng)商業(yè)中銷售人員的角色。對(duì)于增加商品的銷售量，提高顧客的忠誠度等都有較大的貢獻(xiàn)。目前協(xié)同過濾技術(shù)是推薦系統(tǒng)中最為成功的技術(shù)之一，并且獲得了比較廣泛的應(yīng)用。但是隨著用戶人數(shù)的不斷增加和商品本身的因素限制，現(xiàn)有大多數(shù)協(xié)同過濾算法普遍存在著幾點(diǎn)弊端，主

2、要有數(shù)據(jù)稀疏性問題、系統(tǒng)可擴(kuò)展性問題、冷啟動(dòng)問題以及同義詞問題等。幾乎所有的推薦系統(tǒng)中，每個(gè)用戶涉及的信息量相當(dāng)有限，而在這些系統(tǒng)中一般用戶購買商品的總量卻僅占網(wǎng)站所有商品數(shù)量的1％甚至更少，因此造成了用戶對(duì)商品評(píng)分的數(shù)據(jù)非常稀疏。因此，為了提高推薦質(zhì)量，許多研究人員都試圖從不同的角度對(duì)用戶和商品信息進(jìn)行分析、處理。 本文首先對(duì)推薦系統(tǒng)的基本知識(shí)進(jìn)行詳細(xì)介紹，接著通過闡述協(xié)同過濾推薦系統(tǒng)中的問題引出數(shù)據(jù)稀疏性問題，總結(jié)目前解決數(shù)

3、據(jù)稀疏性問題的幾種方案。然后通過對(duì)基于項(xiàng)目和基于用戶的協(xié)同過濾算法的比較與分析，分別從兩個(gè)不同的方面針對(duì)數(shù)據(jù)稀疏性問題提出改進(jìn)算法：其一是對(duì)提高算法精度的算法引入項(xiàng)目的屬性，加入了基于項(xiàng)目類別的用戶偏愛度，針對(duì)用戶更喜愛的項(xiàng)目類別計(jì)算與目標(biāo)項(xiàng)目的相似性，使得計(jì)算項(xiàng)目相似性方面減少計(jì)算數(shù)據(jù)，提高計(jì)算速度，計(jì)算的準(zhǔn)確性更高；其二是對(duì)降低數(shù)據(jù)集稀疏性方法采用SlopeOne方法預(yù)測填充未評(píng)分的項(xiàng)目，降低數(shù)據(jù)集的稀疏性，計(jì)算目標(biāo)項(xiàng)目與其他所有項(xiàng)