協(xié)同過濾推薦算法的設(shè)計與實現(xiàn).pdf

1、協(xié)同過濾技術(shù)是目前推薦系統(tǒng)中應(yīng)用最為廣泛和成功的技術(shù)之一，其基本思想是利用與目標用戶興趣相投、擁有共同經(jīng)驗群體的喜好來為目標用戶推薦感興趣的信息。協(xié)同過濾技術(shù)被廣泛應(yīng)用于電子商務(wù)、社交網(wǎng)絡(luò)和學(xué)術(shù)信息查閱等Web2.0服務(wù)當中。如Amazon、Net-flix、eBay等網(wǎng)站都采用協(xié)同過濾算法進行商品推薦。但是，傳統(tǒng)的協(xié)同過濾存在諸如擴展性、稀疏性和冷啟動等問題。隨著電子商務(wù)的飛速發(fā)展，擴展性問題變得尤為突出，由于計算資源和速度的限制，當

2、推薦系統(tǒng)的用戶和項目增長到一定數(shù)目時，計算效率將大大降低，以至于無法滿足用戶的需求。如何解決推薦系統(tǒng)的可擴展性問題已然成為了一個巨大挑戰(zhàn)。此外，推薦系統(tǒng)中每個用戶所涉及的項目占系統(tǒng)項目總數(shù)量的比例非常小，因此用戶對項目的評分數(shù)據(jù)是非常稀疏的，數(shù)據(jù)稀疏嚴重影響了系統(tǒng)的推薦準確性，如何解決推薦系統(tǒng)中數(shù)據(jù)稀疏問題也是當前推薦算法研究的熱點。
　　本文針對上述協(xié)同過濾技術(shù)存在的可擴展性問題和稀疏性問題，分別從用戶聚類和用戶項目間關(guān)系聯(lián)合聚

3、類兩個方面進行研究改進，提出了如下兩種算法：基于聚類模型和記憶的混合協(xié)同過濾推薦算法和基于用戶和項目間關(guān)系聯(lián)合聚類的協(xié)同過濾推薦算法。
　　首先，針對可擴展性和推薦效率問題，本文將聚類算法引入到傳統(tǒng)的協(xié)同過濾算法中，提出了一種基于聚類模型和記憶的混合協(xié)同過濾推薦算法。傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)面臨可擴展性差的問題，隨著如今互聯(lián)網(wǎng)用戶和項目數(shù)量的飛速增加這種缺點愈加明顯，導(dǎo)致實際應(yīng)用中實時推薦效率降低?；诰垲惸Ｐ秃陀洃浀幕旌蠀f(xié)同過濾推