基于用戶行為模型和蟻群聚類的協(xié)同過濾推薦算法.pdf

1、在這個(gè)信息技術(shù)和互聯(lián)網(wǎng)迅速發(fā)展的時(shí)代，人們面臨的各種數(shù)據(jù)越來越多，選擇越來越多，已經(jīng)逐漸從信息缺乏轉(zhuǎn)向了信息過載狀態(tài)。這對(duì)于信息的消費(fèi)者和提供者雙方來說都是一個(gè)很大的挑戰(zhàn)，對(duì)于信息的消費(fèi)者來說，要在海量數(shù)據(jù)中快速有效的定位到自己需要并喜歡的東西并不容易;對(duì)于信息的提供者來說，如何讓自己提供的信息在眾多同類信息中脫穎而出也是一個(gè)挑戰(zhàn)性的問題。推薦系統(tǒng)就是為了解決這樣的問題而產(chǎn)生的。它一方面幫助消費(fèi)者快速發(fā)現(xiàn)自己喜歡的信息，另一方面讓信息能

2、夠自動(dòng)的展現(xiàn)在匹配的用戶面前，達(dá)到一種雙贏的局面。
　　對(duì)于提供影視數(shù)據(jù)的大型網(wǎng)站來說，推薦系統(tǒng)非常重要。一般推薦系統(tǒng)首先分析用戶的瀏覽歷史數(shù)據(jù)，以及其他用戶的數(shù)據(jù)，然后建立基于這個(gè)用戶歷史數(shù)據(jù)的個(gè)性化模型，對(duì)其進(jìn)行推薦。例如一個(gè)用戶看了李安導(dǎo)演的少年派的奇幻漂流，那么他很可能想繼續(xù)觀看其他李安導(dǎo)演的電影，我們就把類似的數(shù)據(jù)推薦給他。
　　協(xié)同過濾技術(shù)是在線影視數(shù)據(jù)系統(tǒng)中應(yīng)用廣泛并且非常重要的技術(shù)之一，用戶的相似性度量是整個(gè)

3、算法的核心要素，將會(huì)對(duì)推薦算法準(zhǔn)確率高低產(chǎn)生很大的影響。傳統(tǒng)的推薦技術(shù)存在以下問題和技術(shù)難點(diǎn):
　　(1)在進(jìn)行用戶聚類時(shí)，不同的算法適應(yīng)的情況也不一樣。傳統(tǒng)的協(xié)同過濾算法采用K近鄰算法作為用戶聚類算法，在用戶評(píng)分信息稀疏時(shí)通常會(huì)導(dǎo)致聚類難以收斂，并且推薦準(zhǔn)確度不高。采取蟻群聚類的協(xié)同過濾，一定程度上提高了聚類的準(zhǔn)確性，改善了推薦結(jié)果。
　　(2)傳統(tǒng)推薦系統(tǒng)是基于用戶歷史評(píng)分?jǐn)?shù)據(jù)的推薦系統(tǒng)，當(dāng)用戶剛剛注冊(cè)使用系統(tǒng)時(shí)，由于缺

4、少相應(yīng)的歷史瀏覽數(shù)據(jù)，往往推薦效果不理想。當(dāng)用戶在瀏覽特定內(nèi)容時(shí)，傳統(tǒng)的系統(tǒng)也無法根據(jù)用戶當(dāng)前關(guān)注的影片，提供更為合理貼切的推薦。
　　(3)影片本身的信息是也推薦過程中的一個(gè)重要因素，且具有很強(qiáng)的時(shí)效性。傳統(tǒng)的推薦系統(tǒng)往往沒有結(jié)合影片的信息進(jìn)行推薦。針對(duì)以上的問題，本文提出了一種基于用戶行為建模的蟻群協(xié)同過濾算法影片推薦系統(tǒng)。該系統(tǒng)結(jié)合了協(xié)同過濾的優(yōu)點(diǎn)，利用目標(biāo)用戶的鄰居人群的喜好對(duì)目標(biāo)用戶進(jìn)行推薦，同時(shí)也根據(jù)用戶自身的瀏覽行為