基于粗糙集的協(xié)同推薦模型研究.pdf

1、電子商務(wù)的快速發(fā)展為在線用戶提供了大量的商品和信息。人們比以住能夠更容易、更直接地通過網(wǎng)絡(luò)獲取各種在線的商品信息。然而，網(wǎng)絡(luò)上的信息浩瀚如海，且增長和更新的速度愈來愈快，分布在網(wǎng)絡(luò)當(dāng)中的各個角落，對于每個用戶來說，尚無完善的管理結(jié)構(gòu)。這就出現(xiàn)了“信息迷向”和“資源過載”。因此，為在線用戶提供個性化推薦服務(wù)是電子商務(wù)網(wǎng)站的需求，也是今后的服務(wù)模式所趨。個性化推薦系統(tǒng)中最關(guān)鍵的部分是個性化推薦技術(shù)，即所采用的推薦方法和模型能有效地獲取用戶興

2、趣，盡可能推薦符合其興趣的商品，同時也幫助網(wǎng)站吸引用戶，提高用戶的忠誠度。作為個性化推薦技術(shù)中應(yīng)用最廣泛和最為先進(jìn)的方法之一——協(xié)同過濾推薦技術(shù)，能把與活動用戶具有相似興趣的其他用戶的意見提供給活動用戶。此法利用用戶的歷史信息計算用戶之間的相似性，然后利用與目標(biāo)用戶相似性較高的鄰居對其他產(chǎn)品的評價來預(yù)測目標(biāo)用戶對特定產(chǎn)品的喜好程度，系統(tǒng)根據(jù)這一喜好程度來對目標(biāo)用戶進(jìn)行推薦。協(xié)同過濾推薦方法的優(yōu)點就是對推薦對象沒有特殊的要求，能處理書籍、

3、音樂、電影等難以進(jìn)行文本結(jié)構(gòu)化表示的對象。而隨著系統(tǒng)中用戶和項目數(shù)的不斷增加，在整個項目空間上用戶評分?jǐn)?shù)據(jù)會極端稀疏，在實際推進(jìn)行推薦時，受可擴(kuò)展性和低精度性影響嚴(yán)重，使得在個性化推薦系統(tǒng)中應(yīng)用受到一定限制。
　　 本文提出一種新的協(xié)同推薦模型——基于粗糙集的協(xié)同推薦模型。它主要針對個性化推薦精度低的原因，認(rèn)為是用戶多興趣性和用戶間接評分利用不足導(dǎo)致了傳統(tǒng)用戶相似度的計算不能很好地反映用戶之間的相似性。因此，提出將粗糙集方法引入

4、到協(xié)同過濾推薦方法中來，形成了本文的模型。它首先通過對用戶-項目評分信息在關(guān)注度層面上的粗糙用戶聚類，將用戶的多興趣性描述為多用戶群特性，可依據(jù)用戶的評分將用戶劃分在多個類中，這樣避免了由于用戶在邊界時可能導(dǎo)致相似性計算不準(zhǔn)確的情況；同時，以粗糙用戶類的基礎(chǔ)上，通過對用戶-項目未評分值以改進(jìn)的基于粗糙集填充方法進(jìn)行填充，充分利用了用戶之間間接評分信息；最后使用基于偏好認(rèn)定系數(shù)的方法進(jìn)行新的相似度計算來進(jìn)行預(yù)測和項目推薦。整個推薦過程便形