協(xié)同過濾推薦算法研究.pdf

1、隨著Web2.0時(shí)代的到來,人們漸漸從信息接收者轉(zhuǎn)變?yōu)樾畔?chuàng)造者,信息分享也變得更加容易,人們?cè)谙硎苤ヂ?lián)網(wǎng)帶來的便利的同時(shí),也逐漸被信息過載問題所困擾。面對(duì)浩瀚的、令人眼花繚亂的信息,人們很難快速有效的找到自己的需求,甚至出現(xiàn)信息迷航問題。因此,推薦系統(tǒng)應(yīng)運(yùn)而生,用來滿足人們個(gè)性化的需求。它首先收集用戶行為信息,分析用戶偏好,向用戶提供推薦。在推薦系統(tǒng)技術(shù)中,協(xié)同過濾技術(shù)由于其簡單有效的特點(diǎn),被廣泛的使用,并取得了較好的效果。但隨著推

2、薦系統(tǒng)規(guī)模的不斷增長,協(xié)同過濾技術(shù)也面臨著一系列的挑戰(zhàn),尤其是數(shù)據(jù)稀疏性問題和可擴(kuò)展性問題。論文主要圍繞這兩個(gè)挑戰(zhàn)展開研究。
　　1.針對(duì)數(shù)據(jù)稀疏性問題,提出了基于混合相似度的用戶協(xié)同過濾算法HSUCF。在計(jì)算相似度時(shí)考慮共同評(píng)分項(xiàng)目數(shù)目所占的權(quán)重,并給出了該權(quán)重因子的定義,實(shí)現(xiàn)了對(duì)相似度計(jì)算的修正,實(shí)驗(yàn)結(jié)果表明本文提出的HSUCF算法能夠提高推薦精確度。
　　2.針對(duì)可擴(kuò)展性問題,提出了優(yōu)化的基于用戶聚類的協(xié)同過濾算法OU