協(xié)同過濾推薦算法及其改進(jìn)研究.pdf

1、協(xié)同過濾技術(shù)作為迄今為止應(yīng)用最成功的推薦技術(shù)之一，得到了研究者廣泛的關(guān)注，成為推薦領(lǐng)域重點研究的內(nèi)容。
　　 本文對協(xié)同過濾推薦技術(shù)進(jìn)行了有益的探索和研究，針對協(xié)同過濾的缺陷，引入了時間遺忘函數(shù)、用戶偏好度和用戶特征，提出了基于用戶特征和興趣變化的協(xié)同過濾算法，將用戶興趣、時間效應(yīng)、用戶對項目偏好程度以及用戶的特征有機(jī)的結(jié)合起來，并對基于用戶的協(xié)同過濾算法進(jìn)行了改進(jìn)。論文完成的主要工作包括：
　　 ①對推薦系統(tǒng)進(jìn)行了較深

2、入的研究，包括概念、研究內(nèi)容和組成，并詳細(xì)分析了各種推薦技術(shù)，比較了各種推薦技術(shù)的優(yōu)勢和不足，以及現(xiàn)有的典型推薦系統(tǒng)實例的特征。在此基礎(chǔ)之上，重點研究了推薦領(lǐng)域的主流技術(shù)-協(xié)同過濾技術(shù)，對協(xié)同過濾算法做了全面而詳細(xì)的分析。
　　 ②考慮到用戶興趣度的動態(tài)變化問題，借鑒人類的遺忘規(guī)律，引入了時間遺忘函數(shù)，在當(dāng)前研究成果基礎(chǔ)上，提出了改進(jìn)的非線性遺忘函數(shù)，對每個觀測到的用戶興趣特征，根據(jù)其出現(xiàn)的時間順序不同賦予不同權(quán)值，按時間t對項

3、目評分進(jìn)行不同速度的衰減，改變不同時間內(nèi)評分對推薦結(jié)果的貢獻(xiàn)度。
　　 ③考慮到項目屬性對相似性的影響，提出了項目屬性相似性的概念，把項目本身的因素考慮進(jìn)來，項目之間的相似性不再僅僅取決于用戶對商品項目的評分，綜合項目屬性和用戶評分兩方面的因素，來度量項目之間的相似性。
　　 ④考慮到不同的項目對用戶來具有不同的價值、用戶和項目兩者間所具有的內(nèi)在聯(lián)系，提出了用戶偏好度的概念，在計算最近鄰時，不再把所有項目等同對待，而是按